在做一些天氣預報或者RSS訂閱的程序時，往往需要抓取非本地文件，一般情況下都是利用php模擬浏覽器的訪問，通過http請求訪問url地址， 然後得到html源代碼或者xml數據，得到數據我們不能直接輸出，往往需要對內容進行提取，然後再進行格式化，以更加友好的方式顯現出來。
一、 PHP抓取頁面的主要方法：
1. file()函數
2. file_get_contents()函數
3. fopen()->fread()->fclose()模式
4.curl方式
5. fsockopen()函數 socket模式
6. 使用插件(如：http://sourceforge.net/projects/snoopy/)
二、PHP解析html或xml代碼主要方式：
1. 正則表達式 2. PHP DOMDocument對象 3. 插件(如：)
如果你對以上內容已經很了解，以下內容可以飄過……
PHP抓取頁面
1. file()函數
<?php $url='http://t.qq.com'; $lines_array=file($url); $lines_string=implode('',$lines_array); echo htmlspecialchars($lines_string); ?>
2. file_get_contents()函數
使用file_get_contents和fopen必須空間開啟allow_url_fopen。方法：編輯php.ini，設置 allow_url_fopen = On，allow_url_fopen關閉時fopen和file_get_contents都不能打開遠程文件。
<?php $url='http://t.qq.com'; $lines_string=file_get_contents($url); echo htmlspecialchars($lines_string); ?>
3. fopen()->fread()->fclose()模式
<?php $url='http://t.qq.com'; $handle=fopen($url,"rb"); $lines_string=""; do{ $data=fread($handle,1024); if(strlen($data)==0){break;} $lines_string.=$data; }while(true); fclose($handle); echo htmlspecialchars($lines_string); ?>
4. curl方式
使用curl必須空間開啟curl。方法：windows下修改php.ini，將extension=php_curl.dll前面的分號去掉，而且需 要拷貝ssleay32.dll和libeay32.dll到C:\WINDOWS\system32下；Linux下要安裝curl擴展。
<?php $url='http://t.qq.com'; $ch=curl_init(); $timeout=5; curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout); $lines_string=curl_exec($ch); curl_close($ch); echo htmlspecialchars($lines_string); ?>
5. fsockopen()函數 socket模式
socket模式能否正確執行，也跟服務器的設置有關系，具體可以通過phpinfo查看服務器開啟了哪些通信協議，比如我的本地php socket沒開啟http，只能使用udp測試一下了。
<?php $fp = fsockopen("udp://127.0.0.1", 13, $errno, $errstr); if (!$fp) { echo "ERROR: $errno - $errstr<br />\n"; } else { fwrite($fp, "\n"); echo fread($fp, 26); fclose($fp); } ?>
6. 插件
網上應該有比較多的插件，snoopy插件是在網上搜到的，有興趣的可以研究一下。
PHP解析xml(html)
1. 正則表達式：
<?php $url='http://t.qq.com'; $lines_string=file_get_contents($url); eregi('<title>(.*)</title>',$lines_string,$title); echo htmlspecialchars($title[0]); ?>
2. PHP DOMDocument()對象
如果遠程的html或xml存在語法錯誤，php在解析dom的時候會報錯。
<?php $url='http://www.136web.cn'; $html=new DOMDocument(); $html->loadHTMLFile($url); $title=$html->getElementsByTagName('title'); echo $title->item(0)->nodeValue; ?>
3. 插件
本文以PHP Simple HTML DOM Parser為例，進行簡單介紹，simple_html_dom的語法類似jQuery，它讓php操作dom，就像使用jQuery操作dom一樣的簡單。
<?php $url='http://t.qq.com'; include_once('../simplehtmldom/simple_html_dom.php'); $html=file_get_html($url); $title=$html->find('title'); echo $title[0]->plaintext; ?>
當然中國人是富有創造性的，老外往往會在技術上領先，但中國人往往會在使用上更勝一籌，往往做出一些讓老外不敢想的功能，比如php的遠程抓取與分 析，本來是為數據的整合提供方便。但國人很喜歡這個，於是乎大量的采集站，它們本身不創造任何有價值的內容，就是靠抓取別人的網站內容，並把它據為己有。 在百度裡輸入“php小”關鍵詞，suggest列表第一個就是“php小偷程序”，然後把同樣的關鍵詞放入google，哥只能笑而不語。更多問題歡迎到問答網(shenzhidao.com)提問！
摘自 網絡世界無中生有
