|
要提取google搜索的部分数据，发现google对于软件抓取它的数据屏蔽的厉害，以前伪造下 USER-AGENT 就可以抓数据，但是现在却不行了。利用抓包数据发现，Google 判断了 cookies，当你没有cookies的时候，直接返回 302 跳转，而且是连续几十个302跳转，根本抓不了数据。
因此，在发送搜索命令时，需要先提取 cookies 并保存，然后利用保存下来的这个cookies再次发送搜索命令即可正常抓数据了。这其实和论坛的模拟登录一个道理，先POST登录，获取cookies并保存，然后利用这个cookies访问就可以了。
PHP 代码如下：
<div class="codetitle"><a style="CURSOR: pointer" data="56950" class="copybut" id="copybut56950" onclick="doCopy('code56950')"> 代码如下:<div class="codebody" id="code56950">
<?php
header('Content-Type: text/html; charset=utf-8');$cookie_file = dirname(FILE).'/cookie.txt';
//$cookie_file = tempnam("tmp","cookie");//先获取cookies并保存
$url = "http://www.google.com.hk";
$ch = curl_init($url); //初始化
curl_setopt($ch,CURLOPT_HEADER,0); //不返回header部分
curl_setopt($ch,CURLOPT_RETURNTRANSFER,true); //返回字符串，而非直接输出
curl_setopt($ch,CURLOPT_COOKIEJAR,$cookie_file); //存储cookies
curl_exec($ch);
curl_close($ch);//使用上面保存的cookies再次访问
$url = "http://www.google.com.hk/search?oe=utf8&ie=utf8&source=uds&hl=zh-CN&q=qq";
$ch = curl_init($url);
curl_setopt($ch,0);
curl_setopt($ch,true);
curl_setopt($ch,CURLOPT_COOKIEFILE,$cookie_file); //使用上面获取的cookies
$response = curl_exec($ch);
curl_close($ch);echo $response;
?>
（编辑：李大同）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
