php中使用Curl、socket、file

新闻小偷代码,php小偷程序

抓取远程内容,之前一直都在用file_get_content函数,其实早就知道有curl这么一个好东西的存在,但是看了一眼后感觉使用颇有些复杂,没有file_get_content那么简单,再就是需求也不大,所以没有学习使用curl。
直到最近,要做一个网页小偷程序的时候才发现file_get_content已经完全不能满足需求了。我觉得,在读取远程内容的时候,file_get_content除了使用比curl便捷以外,其他都没有curl好。

?php

php中curl和file_get_content的一些比较

/*** $Id$** Filename : referer.php* Author : 额系菜屁屁* Email :
lianxiwoo@gmail.com | hotmail.com* Create : 20060831* LastMod : 2006*
Usage : * 国际村首发*/

主要区别:

//ini_set(‘display_errors’, 1);//error_reporting(E_ALL ^
E_NOTICE);//header(Content-type:text/html;charset=utf-8);

学习才发现,curl支持很多协议,有FTP, FTPS, HTTP, HTTPS, GOPHER, TELNET,
DICT,
FILE以及LDAP,也就是说,它能做到很多file_get_content做不到的事情。curl在php可以实现远程获取和采集内容;实现PHP网页版的FTP上传下载;实现模拟登陆;实现接口对接(API),数据传输;实现模拟Cookie;下载文件断点续传等等,功能十分强大。

set_time_limit(5);

了解curl一些基本的使用后,才发现其实并不难,只不过记住里面一些设置参数,难弄一点,但是我们记住几个常用的就可以了。

$referer = ”;$data = ‘Hello PHPX!’;$host = ;$path =
/happy/index.php;$port = ’80’;$user = ‘额系菜屁屁’;$pswd = ‘屁屁’;

开启curl:

// {{{ 方法 1 ,用 fsockopen/*// 处理好 formhash
的值就可以实现登录,这里还不可以,弄过discuz的可以尝试一下$path =
/happy/logging.php?action=login;$data =
formhash=referer=$refererloginmode=normalcookietime=2592000loginfield=usernameusername=$userpassword=$pswdquestionid=0;*/

因为PHP默认是不支持curl功能的,因此如果要用curl的话,首先需要在php.ini中开启该功能,即去掉
;extension= php_curl.dll 前面的分号,然后保存后重启apache/iis就好了。

$q = ”;$q .= GET $path HTTP/1.1rn;$q .= Host: $hostrn;$q .= Referer:
$refererrn; // 看这里$q .= Content-type: application/x-;$q .=
Content-length: .strlen($data).rn;$q .= Accept: */*rn;$q .=
Connection: closern;$q .= rn;$q .= $data;

基本语法:
复制代码 代码如下:
$my_curl = curl_init();    //初始化一个curl对象
curl_setopt($my_curl, CURLOPT_URL, “”);   
//设置你需要抓取的URL
curl_setopt($my_curl,CURLOPT_RETURNTRANSFER,1);   
//设置是将结果保存到字符串中还是输出到屏幕上,1表示将结果保存到字符串
$str = curl_exec($curl);    //执行请求
echo $str;    //输出抓取的结果
curl_close($curl);    //关闭url请求

$fp = fsockopen($host, $port);fputs($fp, $q);$r = ”;while(!feof($fp))
{$r .= fgets($fp);}fclose($fp);//echo $r;// }}}

最近需要获取别人网站上的音乐数据。用了file_get_contents函数,但是总是会遇到获取失败的问题,尽管按照手册中的例子设置了超时,可多数时候不会奏效:

// {{{ 方法 2 ,用 curl 系列函数(另外 curl
真的非常不错,值得大家尝试。你,值得拥有。 ^_^)$ch =
curl_init();curl_setopt($ch, CURLOPT_URL, );curl_setopt($ch,
CURLOPT_REFERER, $referer); //
看这里,你也可以说你从google来curl_setopt($ch, CURLOPT_USERAGENT,
$_SERVER[‘HTTP_USER_AGENT’]);//
上面这句,当然你可以说你是baidu,改掉这里的值就ok了,可以实现小偷的功能,//你也可以自己做个
spider 了,那么就伪装这里的 CURLOPT_USERAGENT 吧

$config[‘context’] = stream_context_create(array(‘http’ =>
array(‘method’ => “GET”,
‘timeout’ => 5//这个超时时间不稳定,经常不奏效
)
));

curl_setopt($ch, CURLOPT_POST, 1); // post 过去curl_setopt($ch,
CURLOPT_POSTFIELDS, array(‘username’ = $user, ‘password’ = $pswd)); //
post 的字段//
当然这里也可以用这个方式来实现登录,不过这里对discuz来讲还是有 formhash
问题,// 也许换个没有这种安全验证机制的登录是可以的。//
烦琐的我就不再弄了。

这时候,看一下服务器的连接池,会发现一堆类似的错误,让我头疼万分:
file_get_contents(): failed to open stream…

$r = curl_exec($ch);curl_close($ch);// }}}

现在改用了curl库,写了一个函数替换:
function curl_file_get_contents($durl){
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $durl);
curl_setopt($ch, CURLOPT_TIMEOUT, 5);
curl_setopt($ch, CURLOPT_USERAGENT, _USERAGENT_);
curl_setopt($ch, CURLOPT_REFERER,_REFERER_);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$r = curl_exec($ch);
curl_close($ch);
return $r;
}

// {{{ 方法 3 就是 stream 系列函数了$opts = array(http = array(‘method’
= GET,’header’ = Referer: */*rnAccept-language: zh-cnrnCookie:
username=额系菜屁屁rn/*也许额系菜屁屁这里需要encode什么滴*/));

如此,除了真正的网络问题外,没再出现任何问题。
这是别人做过的关于curl和file_get_contents的测试:
file_get_contents抓取google.com需用秒数:

澳门新葡萄京官网注册 ,$context = stream_context_create($opts);// 当然这里也可以用
stream_context_set_option 函数设置更多 options

2.31319094
2.30374217
2.21512604
3.30553889
2.30124092

$fp = fopen(, r, false, $context);fpassthru($fp);fclose($fp);// }}}

curl使用的时间:

/**总结,虽然这里什么事情也没有去做。

0.68719101
0.64675593
0.64326
0.81983113
0.63956594

但是,这里告诉大家的东西很显然,

差距很大?呵呵,从我使用的经验来说,这两个工具不只是速度有差异,稳定性也相差很大。

以上就是使用我们都喜欢的 php 伪装 http 的 referer,就这样。

建议对网络数据抓取稳定性要求比较高的朋友使用上面的
curl_file_get_contents函数,不但稳定速度快,还能假冒浏览器欺骗目标地址哦!

所以,referer 不是完全可以信任的。

方法1: 用file_get_contents 以get方式获取内容

我所知道的方法就这些,希望能给您炎热的夏天带来凉爽的快感,记住,有了快感你就喊哦!
^_^

复制代码 代码如下:
$url=”;
$html = file_get_contents($url);
echo $html;
?>

以上涉及的东西,不光只有referer问题,同时您也可以看出来,我们可以伪装的东西很多,

方法2: 用fopen打开url, 以get方式获取内容

很容易就可以做出小偷呀什么的东西来,嘿嘿

复制代码 代码如下:
$fp = fopen($url, ‘r’);
stream_get_meta_data($fp);
while(!feof($fp)) {
$result .= fgets($fp, 1024);
}
echo “url body: $result”;
fclose($fp);
?>

当然做小偷还有许多东西要做,比如网页内容可以取下来后,还是需要分析的,这个当然要用
preg_* 系列函数了,

方法3:用file_get_contents函数,以post方式获取url

额一向注重实惠,以后有空实惠的说道说道正则里的美女 preg_* ^_^

复制代码 代码如下:
$data = array (‘foo’ => ‘bar’);
$data = http_build_query($data);

兄弟们支持就投票,呵呵,额系菜屁屁!加油额系菜屁屁!加油好男儿!加油兄弟们!加油phpx!

$opts = array (
‘http’ => array (
‘method’ => ‘POST’,
‘header’=> “Content-type: application/x-www-form-urlencodedrn” .
“Content-Length: ” . strlen($data) . “rn”,
‘content’ => $data
)
);
$context = stream_context_create($opts);
$html = file_get_contents(”, false,
$context);
echo $html;
?>

再提一下,抓取往页,linux 下 wget
可能是最合适的人选了,大家可以试一下哦,功能之强大,大家都知道了。

方法4:用fsockopen函数打开url,以get方式获取完整的数据,包括header和body

*/

复制代码 代码如下:
function get_url ($url,$cookie=false)
{
$url = parse_url($url);
$query = $url[path].”?”.$url[query];
echo “Query:”.$query;
$fp = fsockopen( $url[host], $url[port]?$url[port]:80 , $errno,
$errstr, 30);
if (!$fp) {
return false;
} else {
$request = “GET $query HTTP/1.1rn”;
$request .= “Host: $url[host]rn”;
$request .= “Connection: Closern”;
if($cookie) $request.=”Cookie: $cookien”;
$request.=”rn”;
fwrite($fp,$request);
while()) {
$result .= @fgets($fp, 1024);
}
fclose($fp);
return $result;
}
}
//获取url的html部分,去掉header
function GetUrlHTML($url,$cookie=false)
{
$rowdata = get_url($url,$cookie);
if($rowdata)
{
$body= stristr($rowdata,”rnrn”);
$body=substr($body,4,strlen($body));
return $body;
}
return false;
}
?>

?

方法5:用fsockopen函数打开url,以POST方式获取完整的数据,包括header和body

复制代码 代码如下:
function HTTP_Post($URL,$data,$cookie, $referrer=””)
{
// parsing the given URL
$URL_Info=parse_url($URL);

// Building referrer
if($referrer==””) // if not given use this script as referrer
$referrer=”111″;

// making string from $data
foreach($data as $key=>$value)
$values[]=”$key=”.urlencode($value);
$data_string=implode(“&”,$values);

// Find out which port is needed – if not given use standard (=80)
if(!isset($URL_Info[“port”]))
$URL_Info[“port”]=80;

// building POST-request:
$request.=”POST “.$URL_Info[“path”].” HTTP/1.1n”;
$request.=”Host: “.$URL_Info[“host”].”n”;
$request.=”Referer: $referern”;
$request.=”Content-type: application/x-www-form-urlencodedn”;
$request.=”Content-length: “.strlen($data_string).”n”;
$request.=”Connection: closen”;

$request.=”Cookie: $cookien”;

$request.=”n”;
$request.=$data_string.”n”;

$fp = fsockopen($URL_Info[“host”],$URL_Info[“port”]);
fputs($fp, $request);
while(!feof($fp)) {
$result .= fgets($fp, 1024);
}
fclose($fp);

return $result;
}
?>

方法6:使用curl库,使用curl库之前,可能需要查看一下php.ini是否已经打开了curl扩展

复制代码 代码如下:
$ch = curl_init();
$timeout = 5;
curl_setopt ($ch, CURLOPT_URL, ”);
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$file_contents = curl_exec($ch);
curl_close($ch);
echo $file_contents;
?>

php中 curl, fsockopen ,file_get_contents 三个函数
都可以实现采集模拟发言 。三者有什么区别,或者讲究么

赵永斌:
有些时候用file_get_contents()调用外部文件,容易超时报错。换成curl后就可以.具体原因不清楚
curl
效率比file_get_contents()和fsockopen()高一些,原因是CURL会自动对DNS信息进行缓存(亮点啊有我待亲测)

范佳鹏:
file_get_contents curl fsockopen
在当前所请求环境下选择性操作,没有一概而论:
具我们公司开发KBI应用来看:
刚开始采用:file_get_contents
后来采用:fsockopen
最后到至今采用:curl

(远程)我个人理解到的表述如下(不对请指出,不到位请补充)
file_get_contents
需要php.ini里开启allow_url_fopen,请求http时,使用的是http_fopen_wrapper,不会keeplive.curl是可以的。
file_get_contents()单个执行效率高,返回没有头的信息。
这个是读取一般文件的时候并没有什么问题,但是在读取远程问题的时候就会出现问题。
如果是要打一个持续连接,多次请求多个页面。那么file_get_contents和fopen就会出问题。
取得的内容也可能会不对。所以做一些类似采集工作的时候,肯定就有问题了。
sock较底层,配置麻烦,不易操作。 返回完整信息。

潘少宁-腾讯:
file_get_contents 虽然可以获得某URL的内容,但不能post get啊。
curl 则可以post和get啊。还可以获得head信息
而socket则更底层。可以设置基于UDP或是TCP协议去交互
file_get_contents 和 curl 能干的,socket都能干。
socket能干的,curl 就不一定能干了
file_get_contents 更多的时候 只是去拉取数据。效率比较高 也比较简单。
赵的情况这个我也遇到过,我通过CURL设置host 就OK了。 这和网络环境有关系

复制代码 代码如下:

/**
* Socket版本
* 使用方法:
* $post_string = “app=socket&version=beta”;
* request_by_socket(‘jb51.net’,’/restServer.php’,$post_string);
*/
function
request_by_socket($remote_server,$remote_path,$post_string,$port =
80,$timeout = 30){
$socket = fsockopen($remote_server,$port,$errno,$errstr,$timeout);
if (!$socket) die(“$errstr($errno)”);
fwrite($socket,”POST $remote_path HTTP/1.0″);
fwrite($socket,”User-Agent: Socket Example”);
fwrite($socket,”HOST: $remote_server”);
fwrite($socket,”Content-type: application/x-www-form-urlencoded”);
fwrite($socket,”Content-length: “.strlen($post_string)+8.””);
fwrite($socket,”Accept:*/*”);
fwrite($socket,””);
fwrite($socket,”mypost=$post_string”);
fwrite($socket,””);
$header = “”;
while ($str = trim(fgets($socket,4096))) {
$header.=$str;
}
$data = “”;
while (!feof($socket)) {
$data .= fgets($socket,4096);
}
return $data;
}
/**
* Curl版本
* 使用方法:
* $post_string = “app=request&version=beta”;
* request_by_curl(‘);
*/
function request_by_curl($remote_server,$post_string){
$ch = curl_init();
curl_setopt($ch,CURLOPT_URL,$remote_server);
curl_setopt($ch,CURLOPT_POSTFIELDS,’mypost=’.$post_string);
curl_setopt($ch,CURLOPT_RETURNTRANSFER,true);
curl_setopt($ch,CURLOPT_USERAGENT,”Jimmy’s CURL Example beta”);
$data = curl_exec($ch);
curl_close($ch);
return $data;
}
/**
* 其它版本
* 使用方法:
* $post_string = “app=request&version=beta”;
* request_by_other(‘);
*/
function request_by_other($remote_server,$post_string){
$context = array(
‘http’=>array(
‘method’=>’POST’,
‘header’=>’Content-type: application/x-www-form-urlencoded’.””.
‘User-Agent : Jimmy’s POST Example beta’.””.
‘Content-length: ‘.strlen($post_string)+8,
‘content’=>’mypost=’.$post_string)
);
$stream_context = stream_context_create($context);
$data = file_get_contents($remote_server,FALSE,$stream_context);
return $data;
}
?>

发表评论

电子邮件地址不会被公开。 必填项已用*标注