前言
我們在寫一個Web程序的時候，總會想著把自己的網站更美觀一些，功能能更多一些，有時候寫一些小的工具或者加上小的插件會讓我們的站點更加完善。比如萬年歷功能，比如我們現在要講的天氣預報功能。
當然我們沒法利用專業的衛星接受數據，所以我們的天氣數據來自現有的天氣預報網站。利用天氣預報網站提供的數據服務，我們可以寫一個PHP爬蟲，然後動態采集我們所需要的數據，並且在目標站點更新數據的時候，我們的程序也能做到同步更新，自動地獲取數據。
下面就介紹一下如何編寫一個簡單的PHP數據采集程序(PHP爬蟲)。
原理
給定一個網頁的URL，使用PHP下載該網頁並得到網頁內容，然後通過正則表達式將其中我們感興趣的數據提取出來，然後輸出。
具體在這個例子中，我們要抓取的網頁是 http://www.weather.com.cn/weather/101050101.shtml，我們感興趣的是頁面中的未來7天天氣情況。
實現
0.獲取天氣預報網頁的URL：
復制代碼 代碼如下:
$url = "http://www.weather.com.cn/weather/101050101.shtml";
$page_content = file_get_contents($url);
在這裡，file_get_contents() 函數會將 $url 指向的網頁下載下來，並把網頁內容作為一個字符串返回。於是，$page_content 變量中就是我們要抓取的網頁的全部HTML代碼了。接下來，我們要從其中抽取我們需要的數據。
1.使用正則表達式匹配符合條件的字符串
先輸出 $page_content 的值，然後查看網頁源代碼，觀察可知我們需要的字符串可以在
復制代碼 代碼如下:
<!--day 1 -->
......
<!--day 7 -->
這兩行的注釋裡找到。
使用正則表達式來取得 <!--day 1--> 和 <!--day 7--> 之間的所有內容：
復制代碼 代碼如下:
eregi("<!--day 1-->(.*)<!--day 7-->",$page_content,$res);
2.補全頁面中圖片的路徑
由於遠程網頁中的圖片路徑都是像 /m2/i/icon_weather/29x20/d01.gif 這樣的相對路徑，我們需要把這些路徑補全，在它們前面加上 http://www.weather.com.cn。
復制代碼 代碼如下:
$forecast = str_replace("<img src="","<img src="http://www.weather.com.cn",$res[0]);
至此，$forecast 中就是我們需要的天氣預報信息了。這個簡單的PHP爬蟲也就寫好了。
源代碼
以下是這個抓取天氣預報小程序的完整源代碼，其中添加了一些測量各部分程序運行時間的代碼，並可以通過設置 $start 和 $end 的值來控制抓取哪幾天的信息。
復制代碼 代碼如下:
$url = "http://www.weather.com.cn/weather/101050101.shtml";
$t1 = time();
$page_content = file_get_contents($url);
$t2 = time();
$start = 1;
$end = 3;
if ($end > 7){
echo "超出預報能力范圍，請重新設置！";
}else {
echo "未來".($end-$start)."天哈爾濱的天氣預報（"
.date('Y-m-j')."發布）";
eregi("--day $start--(.*)--day $end--", $page_content, $res);
$forecast = str_replace("<img src=\"",
"<img src=\"http://www.weather.com.cn", $res[0]);
$t3 = time();
echo $forecast;
echo 'First step costs '.($t2 - $t1).' ms.';
echo 'Last step costs '.($t3 - $t2).' ms.';
}
其他應用例子
同樣的思路可以嘗試的有：NBA每天的比分牌、今日哈工大的新聞同步、股市行情等等。都能實現同步實時更新。暫時只想到這些，歡迎大家拍磚～
