php网页采集函数 urlPHPURL地址获取函数代码端口等推荐

求带登录的网站采集php源码或思路

获取链接的数据以后，加个判断：如果需要登陆，则使用php的curl函数来模拟post；不需要登陆则直接采集。

思路：

RSS采集

相似算法

聚类

分类

（一）原理

小偷程序实际上是通过了XML中的XMLHTTP组件调用其它网站上的网页。比如新闻小偷程序，很多都是调用了sina的新闻网页，并且对其中的html进行了一些替换，同时对广告也进行了过滤。用小偷程序的优点有：无须维护网站，因为小偷程序中的数据来自其他网站，它将随着该网站的更新而更新；可以节省服务器资源，一般小偷程序就几个文件，所有网页内容都是来自其他网站。缺点有：不稳定，如果目标网站出错，程序也会出错，而且，如果目标网站进行升级维护，那么小偷程序也要进行相应修改；速度，因为是远程调用，速度和在本地服务器上读取数据比起来，肯定要慢一些。

（二）事例

以下是代码片段：

下面就XMLHTTP在ASP中的应用做个简单说明

〈%

’常用函数

’1、输入url目标网页地址，返回值getHTTPPage是目标网页的html代码

functiongetHTTPPage(url)

dimHttp

setHttp=server.createobject("MSXML2.XMLHTTP")

Http.open"GET",url,false

Http.send()

ifHttp.readystate〈〉4then

exitfunction

endif

getHTTPPage=bytesToBSTR(Http.responseBody,"GB2312")

sethttp=nothing

iferr.number〈〉0thenerr.Clear

endfunction

’2、转换乱玛，直接用xmlhttp调用有中文字符的网页得到的将是乱玛，可以通过adodb.stream组件进行转换

FunctionBytesToBstr(body,Cset)

dimobjstream

setobjstream=Server.CreateObject("adodb.stream")

objstream.Type=1

objstream.Mode=3

objstream.Open

objstream.Writebody

objstream.Position=0

objstream.Type=2

objstream.Charset=Cset

BytesToBstr=objstream.ReadText

objstream.Close

setobjstream=nothing

EndFunction

’下面试着调用的html内容

DimUrl,Html

Url=""

Html=getHTTPPage(Url)

Response.writeHtml

%〉ASP小偷入门教程.....附QQ天气小偷源代码

要做一名好的小偷有点难度:P，灵活运用XMLHTTP组件，你也可以做“小偷”

这里所说的“小偷”指的是在ASP中运用XML中的XMLHTTP组件提供的强大功能，把远程网站上的数据（图片，网页及其他文件）抓取到本地，经过各种处理后显示到页面上或者存储进数据库的一类程序。你可以通过这种小偷程序，完成过去一些似乎完全不可能实现的任务，比如说把某个站的页面偷梁换柱后变成自己的页面，或者把某个站的一些数据（文章，图片）保存到本地数据库中加以利用。“小偷”的优点有：无须维护网站，因为小偷程序中的数据来自其他网站，它将随着该网站的更新而更新；可以节省大量的服务器资源，一般小偷程序就几个文件，所有网页内容都是来自其他网站。缺点在于：不稳定，如果目标网站出错，程序也会出错，而且，如果目标网站进行升级维护，那么小偷程序也要进行相应修改；速度，因为是远程调用，速度和在本地服务器上读取数据比起来，肯定要慢一些。怎么样，听起来很神奇吧？我们现在就开始来学习一些“小偷”程序的入门知识吧！

我们拿个简单点的东西来研究一下吧，QQ网站上的天气预报程序

程序演示地址：

源码下载：

代码如下：

以下是代码片段：

〈%

OnErrorResumeNext

Server.ScriptTimeOut=9999999

FunctiongetHTTPPage(Path)

t=GetBody(Path)

getHTTPPage=BytesToBstr(t,"GB2312")

Endfunction'首先，进行小偷程序的一些初始化设置，以上代码的作用分别是忽略掉所有非致命性错误，把小偷程序的运行超时时间设置得很长（这样不会出现运行超时的错误），转换原来默认的UTF-8编码转换成GB2312编码，否则直接用XMLHTTP组件调用有中文字符的网页得到的将是乱码。

以下是代码片段：

FunctionGetBody(url)

onerrorresumenext

SetRetrieval=CreateObject("Microsoft.XMLHTTP")

WithRetrieval

.Open"Get",url,False,"",""

.Send

GetBody=.ResponseBody

EndWith

SetRetrieval=Nothing

EndFunction

’然后调用XMLHTTP组件创建一个对象并进行初始化设置。

FunctionBytesToBstr(body,Cset)

dimobjstream

setobjstream=Server.CreateObject("adodb.stream")

objstream.Type=1

objstream.Mode=3

objstream.Open

objstream.Writebody 我爱编程网

objstream.Position=0

objstream.Type=2

objstream.Charset=Cset

BytesToBstr=objstream.ReadText

objstream.Close

setobjstream=nothing

EndFunction

FunctionNewstring(wstr,strng)

Newstring=Instr(lcase(wstr),lcase(strng))

ifNewstring〈=0thenNewstring=Len(wstr)

EndFunction

’处理抓取回来的数据需要调用adodb.stream组件并进行初始化设置。%〉

’以下即为页面显示部分

〈%

Dimwstr,str,url,start,over,city

’定义一些需要使用到的变量

city=Request.QueryString("id")

’程序传回的ID变量（即用户选择的城市）赋给id

url=""city""

’这里设置需要抓取的页面地址，当然你也可以直接指定某个地址而不使用变量

wstr=getHTTPPage(url)'以下是代码片段：

获取指定页面的全部数据

start=Newstring(wstr,"")

’这里设置需要处理的数据的头部，这个变量应视不同情况而设置，具体内容可以通过查看需要抓取的页面的源代码来确定。因为在这个程序里我们需要抓取整个页面,所以设置为页面全部抓取。注意，设置的内容必须是页面内容唯一的，不可以重复。

over=Newstring(wstr,"")

’和start相对应的就是需要处理的数据的尾部，同样的，设置的内容必须是页面中唯一的。

body=mid(wstr,start,over-start)

’设置显示页面的范围

’下面就是动用乾坤挪移大法的时候了，通过replace可以用一些字符替换掉数据中指定的字符。

body=replace(body,"skin1","天气预报")

body=replace(body,"","tianqi.asp?id")

’本程序中已经完成了替换的工作，如果有其他需要的话可以继续进行类似的替换操作。

response.writebody

%〉替换完需要修改的内容后，就可以把修改的内容显示在页面上了。至此程序结束

程序使用方法及结果：把上述代码去掉说明部分后保存为tianqi.asp，上传到支持ASP和XML的空间下，在浏览器中运行即可。你可以在在这个程序的基础上进行进一步的界面美化或者程序优化。

以上只是一些关于XMLHTTP组件的初级应用，实际上它还能实现的功能还有很多，比如说保存远程图片到本地服务器上，配合adodb.stream组件可以把获取来的数据保存进数据库。小偷的作用和使用范围都很广。但是不可以拿来做违法的事哦！

也许还有人要问了，这种“小偷”程序难道只是ASP的专利吗？非也，PHP通过fopen函数一样可以实现同样的效果，由于PHP本身的各种特点，写出来的小偷程序和ASP相比，在体积和执行效率上都有着明显的优势，但限于篇幅，这里就不一一说明了。

现在小说系统都加密了，建议用dedecms建站，高负载+全站静态

dedecms的采集也很厉害，不过你要慢慢写采集规则

其实其他的小说系统不一定有dedecms好用

你用心用dedecms打造一个自己的小说站，回报绝对超出你的想象