php实战之使用curl抓取网站数据

之前做过一个网站数据抓取的工作，让我充分感受到了计算机科学的生产力。之前为了抓取网站源数据的数据，我们公司只能依靠人多力量大的方式，一点一点从源网站抠，整整干了三天，干得头昏脑涨，听老板说以前有php人员抓取过数据，但是抓取的数据不理想，不能入库，只能换成人工的了。趁着学习这段时间，整了整这个项目，不负有心人。在研究源数据网站的数据传输方式以后，突然发现，原来获取这些数据如此简单：程序源码如下：

<?php
header("content-type:text/html;charset=utf-8");
ini_set("max_execution_time", 300);
function getScholar($start,$end){
$result = array();
for($i=$start;$i<$end;$i++){
    $url = "http://****.gov.cn*****";
    $post_data = array (
    "currentPage" => $i,//当前页
    "pageSize" =>7 ,
    );
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    // 我们在POST数据哦！
    curl_setopt($ch, CURLOPT_POST, 1);
    // 把post的变量加上
    curl_setopt($ch, CURLOPT_POSTFIELDS, $post_data);
    $output = curl_exec($ch);
    $output_json = json_decode($output);
    curl_close($ch);
    //var_dump($output_json);
    //die();
    foreach($output_json->projectList as $k => $v){
        $result[$v->code][]=$v->code;
        $result[$v->code][]=$v->name;
    };
}
$end_end = $end-1;
$fp = fopen("output-{$start}-{$end_end}.csv","w");//打开文件
    foreach ($result as $v){
        ob_clean();
        if(fputcsv($fp,$v)===false){//加数组数据放到csv文件中
            die("can"t write csv line");
        }
    }
fclose($fp) or die("can"t close scholar.csv");
if(count($result)!=($end-$start)*7){
    echo "数据出现错误";
    echo "<br/>";
    echo count($result);
    exit;
}
    echo "数据抓取完成，共抓取到".count($result)."条记录";
}
getScholar(3950,4000);//读取3950-4000页的数据

这里主要用到了curl库，在刚开始用的时候，程序显示curl_init()不可用，但是这是已经将php的curl扩展打开了，后来百度知道，原来是在window目录下少了libeay32.dll、ssleay32.dll这两个文件，将这两个文件从php/ext 复制到windows 的system32目录下，然后重启Apache就可以了。