php curl 模拟登录并获取数据

PHP的curl()在抓取网页的效率方面是比较高的，而且支持多线程，而file_get_contents()效率就要稍低些，当然，使用curl时需要开启下curl扩展。

代码实战

先来看登录部分的代码：

//模拟登录

function login_post($url,$cookie,$post) {

$curl = curl_init();//初始化curl模块

curl_setopt($curl,CURLOPT_URL,$url);//登录提交的地址

curl_setopt($curl,CURLOPT_HEADER,0);//是否显示头信息

curl_setopt($curl,CURLOPT_RETURNTRANSFER,0);//是否自动显示返回的信息

curl_setopt($curl,CURLOPT_COOKIEJAR,$cookie); //设置Cookie信息保存在指定的文件中

curl_setopt($curl,CURLOPT_POST,1);//post方式提交

curl_setopt($curl,CURLOPT_POSTFIELDS,http_build_query($post));//要提交的信息

curl_exec($curl);//执行cURL

curl_close($curl);//关闭cURL资源，并且释放系统资源

}

函数login_post()首先初始化curl_init()，然后使用curl_setopt()设置相关选项信息，包括要提交的url地址，保存的cookie文件，post的数据（用户名和密码等信息），是否返回信息等等，然后curl_exec执行curl，最后curl_close()释放资源。注意PHP自带的http_build_query()可以将数组转换成相连接的字符串。

接下来如果登录成功后，我们要获取登录成功后的页面信息。

//登录成功后获取数据

function get_content($url,$cookie) {

$ch = curl_init();

curl_setopt($ch,$url);

curl_setopt($ch,0);

curl_setopt($ch,1);

curl_setopt($ch,CURLOPT_COOKIEFILE,$cookie); //读取cookie

$rs = curl_exec($ch); //执行cURL抓取页面内容

curl_close($ch);

return $rs;

}

函数get_content()中也是先初始化curl，然后设置相关选项，执行curl，释放资源。其中我们设置CURLOPT_RETURNTRANSFER为1即自动返回信息，而CURLOPT_COOKIEFILE可以读取到登录时保存的cookie信息，最后将页面内容返回。

我们的最终目的是要获取到模拟登录后的信息，也就是只有正常登录成功后才能获取的有用信息。接下来我们以登录开源中国的移动版为例，看看如何抓取到登录成功后的信息。

//设置post的数据

$post = array (

'email' => 'oschina账户',

'pwd' => 'oschina密码',

'goto_page' => '/my',

'error_page' => '/login',

'save_login' => '1',

'submit' => '现在登录'

);

//登录地址 $url = "http://m.oschina.net/action/user/login"; //设置cookie保存路径 $cookie = dirname(__FILE__) . '/cookie_oschina.txt'; //登录后要获取信息的地址 $url2 = "http://m.oschina.net/my"; //模拟登录

login_post($url,$post); //获取登录页的信息 $content = get_content($url2,$cookie); //删除cookie文件

@ unlink($cookie); //匹配页面信息 $preg = "/