php内容采集
‘壹’ php如何采集js生成的内容
访问需要采集的页面，如果数据是用js输出的html，那么必定有接口或者本身页面中给js提供了数据，来遍历输出html。
用chrome的审查元素中的network，可以单独看xhr，看看是否是ajax请求的接口，如果数据是从接口来的，直接用PHP去获取那个接口的数据就可以了。
如果没有ajax请求，查看html源代码，在里面找数据。
‘贰’ php程序员对数据采集的要求掌握程度如何
数据采集很重要，最好是研究下采集，我工作很多用到采集。
‘叁’ 怎么用PHP采集别的网上的数据
简单的有个file_get_content函数，然后写正则规则匹配内容，存数据库。
如果需要登陆的，用curl，还有可以用PHP的DOM库替换正则表达式
Python和Java等都有beautifulsoup这个第三方库，用来采集非常棒
‘肆’ php采集代码是什么
采集就是把目标网站的内容通过php代码存储到自己的网站数据库中，从而把别人的变成自己的。
这样就可以省去很多自己发布信息的时间，非常快速。
但是只建议在网站建立之初进行采集，因为如果采集过多会被搜索引擎屏蔽
‘伍’ php使用3种方法实现数据采集 什么叫采集
下面的php代码可以将HTML表格的每行每列转为数组，采集表格数据
<?php function get_td_array($table) { $table = preg_replace("'<table[^>]*?>'si","",$table); $table = preg_replace("'<tr[^>]*?>'si","",$table); $table = preg_replace("'<td[^>]*?>'si","",$table); $table = str_replace("</tr>","{tr}",$table); $table = str_replace("</td>","{td}",$table); //去掉 HTML 标记 $table = preg_replace("'<[/!]*?[^<>]*?>'si","",$table); //去掉空白字符 $table = preg_replace("'([rn])[s]+'","",$table); $table = str_replace(" ","",$table); $table = str_replace(" ","",$table); $table = explode('{tr}', $table); array_pop($table); foreach ($table as $key=>$tr) { $td = explode('{td}', $tr); array_pop($td); $td_array[] = $td; } return $td_array; } ?>
‘陆’ php采集多个tr中的内容如何做
可以用正则,不过用jq+ajax貌似也可以
function dealit(num){
text1=$("th").eq($num).html();
text2=$("span").eq($num).html();
$.ajax({
type: "POST",
url: "x.php",
data:{text1: text1,text2: text2 },
cache:false,
dataType:"html",
success:function(data) {
if(num<1000){//自己看看数据有多少
dealit(num+1);
}
},
error:function(){alert('error');}
});
}
$(document).ready(funtion(){
num=0;
dealit(num);
});
思路如上，用js把数据一条一条的ajax给你的php页面，然后php页面写个insert，正则么，肯定也行，就楼上的思路再琢磨就好了
‘柒’ 用PHP进行数据采集
$strPreg = "|<td[^>]+>([^<]+)<\/td>\s*<td[^>]+>([^<]+)<\/td>\s*<td[^>]+>([^<]+)<\/td>|U";
搞定了才发现你都没悬赏分。。。
‘捌’ PHP中怎样实现文章采集
只举例说明，生产环境你自己根据情景去搞
$url = 'www.domain.com';
$content = file_get_content($url);//抓取网页全部内容
preg_match( string pattern, string subject [, array matches ] );//正则获取自己需要的内容
入库~
完事了。。。
当然，情形复杂，例如需要登录，采集目标限制等问题，这再说...
实际使用的时候，可以直接使用Snoopy类，提供好多方法供使用，比自己去造轮子要安全，当然，你可以在她的基础上再去造轮子~~~
‘玖’ php 读取采集内容！最简单的方法
$array = file("http://www..com");
foreach($array as $value)
{
echo $value;
}
‘拾’ php如何防止网站内容被采集
1、限制IP地址单位时间的访问次数
分析：没有哪个常人一秒钟内能访问相同网站5次，除非是程序访问，而有这种喜好的，就剩下搜索引擎爬虫和讨厌的采集器了。
弊端：一刀切，这同样会阻止搜索引擎对网站的收录
适用网站：不太依靠搜索引擎的网站
采集器会怎么做：减少单位时间的访问次数，减低采集效率
2、屏蔽ip
分析：通过后台计数器，记录来访者ip和访问频率，人为分析来访记录，屏蔽可疑Ip。
弊端：似乎没什么弊端，就是站长忙了点
适用网站：所有网站，且站长能够知道哪些是google或者网络的机器人
采集器会怎么做：打游击战呗!利用ip代理采集一次换一次，不过会降低采集器的效率和网速(用代理嘛)。
3、利用js加密网页内容
Note:这个方法我没接触过，只是从别处看来
分析：不用分析了，搜索引擎爬虫和采集器通杀
适用网站：极度讨厌搜索引擎和采集器的网站
采集器会这么做：你那么牛，都豁出去了，他就不来采你了
4、网页里隐藏网站版权或者一些随机垃圾文字，这些文字风格写在css文件中
分析：虽然不能防止采集，但是会让采集后的内容充满了你网站的版权说明或者一些垃圾文字，因为一般采集器不会同时采集你的css文件，那些文字没了风格，就显示出来了。
适用网站：所有网站
采集器会怎么做：对于版权文字，好办，替换掉。对于随机的垃圾文字，没办法，勤快点了。
5、用户登录才能访问网站内容
分析：搜索引擎爬虫不会对每个这样类型的网站设计登录程序。听说采集器可以针对某个网站设计模拟用户登录提交表单行为。
适用网站：极度讨厌搜索引擎，且想阻止大部分采集器的网站
采集器会怎么做：制作拟用户登录提交表单行为的模块