怎么用php采集網(wǎng)站數(shù)據(jù)

簡單的分了幾個步驟：

創(chuàng)新互聯(lián)專注于貴定企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè),商城網(wǎng)站定制開發(fā)。貴定網(wǎng)站建設(shè)公司,為貴定等地區(qū)提供建站服務(wù)。全流程定制網(wǎng)站開發(fā)，專業(yè)設(shè)計，全程項目跟蹤，創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)

1、確定采集目標

2、獲取目標遠程頁面內(nèi)容（curl、file_get_contents）

3、分析頁面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，不同頁面正則匹配規(guī)則不一樣

4、入庫

高分求教php如果從一個web頁面采集指定的數(shù)據(jù)并寫到mysql庫里

我只教你思路，很簡單的

其它你可以設(shè)定一個計劃任務(wù)，每隔多長時間執(zhí)行你的PHP文件一次，計劃任務(wù)設(shè)定可百度，有很多的的，你就搜索“計劃任務(wù)執(zhí)行php文件”就有了；

假如計劃任務(wù)要執(zhí)行的PHP文件叫task.php，這個文件在采集前先把要采集的文件第一條獲取過來，然后去查詢數(shù)據(jù)庫比對一下，有沒有更新，要是數(shù)據(jù)庫里沒有這第就把這條寫入數(shù)據(jù)庫

用PHP獲取網(wǎng)頁部分數(shù)據(jù)

如果你要

和

之間的所有源碼，用 preg_match 就可以，不用preg_match_all ，如果你要里面的所有的

標簽中的內(nèi)容，可以用preg_match_all //提取所有代碼 $pattern = '/

(.+?)

/is'; preg_match($pattern, $string, $match); //$match[0] 即為

和

之間的所有源碼 echo $match[0]; //然后再提取

之間的內(nèi)容 $pattern = '/(.+?)li/is'; preg_match_all($pattern, $match[0], $results); $new_arr=array_unique($results[0]); foreach($new_arr as $kkk){ echo $kkk; }

php 如何采集頁面的兩層鏈接的數(shù)據(jù)

先采集第一層頁面的鏈接,然后往下層采集內(nèi)容

至于代碼，就是獲取頁面內(nèi)容加正則收集鏈接

用JS翻頁的網(wǎng)頁如何用PHP實現(xiàn)采集

最簡單的辦法就是在你的所有中文頁面上，一般在導(dǎo)航位置加一個英文頁面首頁的超鏈接。這樣用戶點英文那個鏈接就進入英文頁面了。同樣的，在所有的英文頁面導(dǎo)航位置都加一個中文首頁鏈接。推薦你用圖片做這兩個鏈接，這樣不會因為用戶沒有裝對應(yīng)的語言系統(tǒng)而出現(xiàn)奇怪字符。比如歐美用戶一般是不會裝中文系統(tǒng)的，頁面上有中文字符的時候必然顯示為亂碼。

網(wǎng)站目錄當然要為中文和英文各建一個獨立的目錄，里面放置各自的頁面了。

如果使用數(shù)據(jù)庫的話，則思路是一樣的。