如果大家稍加仔细看一下就能发现一个问题，我们下面几个抓取百度收录或快照或热词的程序中都有一个函数file_get_contents()，他是php采集网页常用的哦。
| 代码如下 | 复制代码 |
| <? /* 抓取百度收录代码 */ function baidu($s){ $baidu="http://www.baidu.com/s?wd=site%3A".$s; $site=file_get_contents($baidu); //$site=iconv("gb2312", "UTF-8", $site); ereg("找到相关网页(.*)篇，", $site,$count); $count=str_replace("找到相关网页","",$count); $count=str_replace("篇，","",$count); $count=str_replace("约","",$count); $count=str_replace(",","",$count); return $count[0]; } echo baidu(www.3ppt.com); //获取好主题在百度中的收录数量 ?> | |
获取百度的热词
| 代码如下 | 复制代码 |
| <?php /** * * @user 小杰 * @return array 返回百度的热词数据(数组返回) */ function getBaiduHotKeyWord() { $templateRss = file_get_contents('http://top.baidu.com/rss_xml.php?p=top10'); If (preg_match('/<table>(.*)</table>/is', $templateRss, $_description)) { $templateRss = $_description [0]; $templateRss = str_replace("&", "&", $templateRss); } $templateRss = "<?xml version="1.0" encoding="GBK"?>" . $templateRss; $xml = simplexml_load_String($templateRss); foreach ($xml->tbody->tr as $temp) { if (!empty ($temp->td->a)) { $keyArray [] = trim(($temp->td->a)); } } return $keyArray; } print_r(getBaiduHotKeyWord()); | |
| 代码如下 | 复制代码 |
| <?php $domain = “http://www.3ppt.com/nokia/5230/ *欲查询的域名*/ $site_url = ‘http://www.baidu.com/s?wd=site%3A’; $all = $site_url.$domain; /*域名所有收录的网址*/ $today = $all.’&lm=1′; /*域名今日收录的网址*/ $utf_pattern = “/找到相关结果数(.*)个/”; $kz_pattern = “/<span class=”g”>(.*)</span>/”; /*用以匹配快照日期的字符串*/ $times = “/d{4}-d{1,2}-d{1,2}/”; /*匹配快照日期的正则表达式，如:2011-8-4*/ $s0 = @file_get_contents($all); /*将site:www.3ppt.com的网页置入$s0字符串中*/ $s1 = @file_get_contents($today); preg_match($utf_pattern,$s0,$all_num); /*匹配”找到相关结果数*个”*/ preg_match($utf_pattern,$s1,$today_num); preg_match($kz_pattern,$s0,$temp); preg_match($times,$temp[0],$screenshot); if($all_num[1] == “”) $all_num[1] = 0; if($today_num[1] == “”) $today_num[1] = 0; if($screenshot[0] == “”) $screenshot[0] = “暂无快照”; ?> <html> <head> <title>Test</title> </head> <body> <table> <tr> <td>日期</td><td>百度收录</td><td>百度今日收录</td><td>百度快照日期</td> </tr> <tr> <td><?php echo date(‘m月d日G时’);?> </td><td><?php echo $all_num[1]; ?></td><td><?php echo $today_num[1]; ?></td><td><?php echo $screenshot[0]; ?></td> </tr></table> <p>百度收录：<a href=”<?php echo $all; ?>” target=”_blank”><?php echo $all_num[1]; ?></a></p> <p>百度今日收录：<a href=”<?php echo $today; ?>” target=”_blank”><?php echo $today_num[1]; ?></a></p> <p>百度快照日期：<a href=”<?php echo $all; ?>”><?php echo $screenshot[0]; ?></a></p> </body> </html> | |
上面的方法未经过严格考虑，如果服务器不支持file_get_contents函数我们就无法操作了，所以还可以利用curl操作，这个更方便可以模仿用户哦。