怎么用php采集網(wǎng)站數(shù)據(jù)

簡(jiǎn)單的分了幾個(gè)步驟：

創(chuàng)新互聯(lián)公司是一家從事企業(yè)網(wǎng)站建設(shè)、成都網(wǎng)站建設(shè)、網(wǎng)站設(shè)計(jì)、行業(yè)門(mén)戶網(wǎng)站建設(shè)、網(wǎng)頁(yè)設(shè)計(jì)制作的專業(yè)網(wǎng)站建設(shè)公司，擁有經(jīng)驗(yàn)豐富的網(wǎng)站建設(shè)工程師和網(wǎng)頁(yè)設(shè)計(jì)人員，具備各種規(guī)模與類型網(wǎng)站建設(shè)的實(shí)力，在網(wǎng)站建設(shè)領(lǐng)域樹(shù)立了自己獨(dú)特的設(shè)計(jì)風(fēng)格。自公司成立以來(lái)曾獨(dú)立設(shè)計(jì)制作的站點(diǎn)成百上千家。

1、確定采集目標(biāo)

2、獲取目標(biāo)遠(yuǎn)程頁(yè)面內(nèi)容（curl、file_get_contents）

3、分析頁(yè)面html源碼，正則匹配你需要的內(nèi)容（preg_match、preg_match_all），這一步最為重要，不同頁(yè)面正則匹配規(guī)則不一樣

4、入庫(kù)

php 百度 知道數(shù)據(jù)采集

問(wèn)題其實(shí)不難，自己都能寫(xiě)。給你幾個(gè)思路吧：

1.在百度知道中，輸入linux，然后會(huì)出現(xiàn)列表。復(fù)制瀏覽器地址欄內(nèi)容。

然后翻頁(yè)，在復(fù)制地址欄內(nèi)容，看看有什么不同，不同之處，就是你要循環(huán)分頁(yè)的i值。

當(dāng)然這個(gè)是笨方法。

2.使用php的file或者file_get_contents函數(shù)，獲取鏈接URL的內(nèi)容。

3.通過(guò)php正則表達(dá)式，獲取你需要的3個(gè)字段內(nèi)容。

4.寫(xiě)入數(shù)據(jù)庫(kù)。

需要注意的是，百度知道有可能做了防抓取的功能，你剛一抓幾個(gè)頁(yè)面，可能會(huì)被禁止。

建議也就抓10頁(yè)數(shù)據(jù)。

其實(shí)不難，你肯定寫(xiě)的出來(lái)。 還有，網(wǎng)上應(yīng)該有很多抓取工具，你找找看，然后將抓下來(lái)的數(shù)據(jù)

在做分析。寫(xiě)入數(shù)據(jù)庫(kù)。

php采集數(shù)據(jù)怎么做??？

用fopen/file/file_get_contents/curl之類的函數(shù)將遠(yuǎn)程頁(yè)面獲得內(nèi)容， 采用正則或過(guò)濾之類的獲得自己所需要的東西， 最好寫(xiě)入相應(yīng)的數(shù)據(jù)庫(kù)保存起來(lái)。

用PHP進(jìn)行數(shù)據(jù)采集

$strPreg = "|td[^]+([^]+)\/td\s*td[^]+([^]+)\/td\s*td[^]+([^]+)\/td|U";

搞定了才發(fā)現(xiàn)你都沒(méi)懸賞分。。。