Como usar o PHP para colocar uma página da Web em uma variável
-
22-08-2019 - |
Pergunta
Quero baixar uma página da Web, ela pode fazer quando você estiver usando um navegador simples como o Firefox, mas quando eu uso "File_Get_Contents", o servidor recusa e responde que entende o comando, mas não permite tais downloads.
Então o que fazer? Acho que vi em alguns scripts (no Perl) uma maneira de fazer do seu script como um navegador real, criando um agente do usuário e cookies, o que faz com que os servidores pensem que seu script é um navegador real.
Alguém tem uma idéia sobre isso, como isso pode ser feito?
Solução
Use Curl.
<?php
// create curl resource
$ch = curl_init();
// set url
curl_setopt($ch, CURLOPT_URL, "example.com");
//return the transfer as a string
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
// set the UA
curl_setopt($ch, CURLOPT_USERAGENT, 'My App (http://www.example.com/)');
// Alternatively, lie, and pretend to be a browser
// curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)');
// $output contains the output string
$output = curl_exec($ch);
// close curl resource to free up system resources
curl_close($ch);
?>
(A partir de http://uk.php.net/manual/en/curl.examples-basic.php)
Outras dicas
Sim, Curl é muito bom em obter conteúdo da página. Eu o uso com classes como Domdocument e Domxpath Para moer o conteúdo para uma forma utilizável.
function __construct($useragent,$url)
{
$this->useragent='Firefox (WindowsXP) - Mozilla/5.0 (Windows; U; Windows NT 5.1; en-GB; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.'.$useragent;
$this->url=$url;
$ch = curl_init();
curl_setopt($ch, CURLOPT_USERAGENT, $useragent);
curl_setopt($ch, CURLOPT_URL,$url);
curl_setopt($ch, CURLOPT_FAILONERROR, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
curl_setopt($ch, CURLOPT_AUTOREFERER, true);
curl_setopt($ch, CURLOPT_RETURNTRANSFER,true);
curl_setopt($ch, CURLOPT_TIMEOUT, 10);
$html= curl_exec($ch);
$dom = new DOMDocument();
@$dom->loadHTML($html);
$this->xpath = new DOMXPath($dom);
}
...
public function displayResults($site)
$data=$this->path[0]->length;
for($i=0;$i<$data;$i++)
{
$delData=$this->path[0]->item($i);
//setting the href and title properties
$urlSite=$delData->getElementsByTagName('a')->item(0)->getAttribute('href');
$titleSite=$delData->getElementsByTagName('a')->item(0)->nodeValue;
//setting the saves and additoinal
$saves=$delData->getElementsByTagName('span')->item(0)->nodeValue;
if ($saves==NULL)
{
$saves=0;
}
//build the array
$this->newSiteBookmark[$i]['source']='delicious.com';
$this->newSiteBookmark[$i]['url']=$urlSite;
$this->newSiteBookmark[$i]['title']=$titleSite;
$this->newSiteBookmark[$i]['saves']=$saves;
}
O último faz parte de uma classe que elimina dados de Delicious.com . Não é muito legal embora.
Esta resposta leva seu comentário à resposta de Rich em mente.
O site provavelmente está verificando se você é ou não um usuário real usando o referente HTTP ou a sequência do agente do usuário. Tente defini -las para o seu cacho:
//pretend you came from their site already
curl_setopt($ch, CURLOPT_REFERER, 'http://domainofthesite.com');
//pretend you are firefox 3.06 running on windows Vista
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.0.6) Gecko/2009011913 Firefox/3.0.6');
Outra maneira de fazer isso (embora outros tenham apontado uma maneira melhor) é usar a função FOPEN () do PHP, assim:
$handle = fopen("http://www.example.com/", "r");//open specified URL for reading
É especialmente útil se o curl não estiver disponível.