php怎么抓取网站中meta函数get_meta_tags()

原创 新起点博客  2020-07-15 09:28 
【上云必备】上云仅?102/年

get_meta_tags -- 从一个文件中提取所有的 meta 标签 content 属性,返回一个数组

描述

array get_meta_tags ( string filename [, int use_include_path])

打开 filename 逐行解析文件中的 <meta> 标签。此参数可以是本地文件也可以是一个 URL。解析工作将在 </head> 处停止。

将 use_include_path 设置为 1 将促使 PHP 尝试按照 include_path 标准包含路径中的每个指向去打开文件。这只用于本地文件,不适用于 URL。

本文实例分析了php中get_meta_tags()、CURL与user-agent用法。分享给大家供大家参考。具体分析如下:

get_meta_tags()函数用于抓取网页中<meta name="A" content="1"><meta name="B" content="2">形式的标签,并装入一维数组,name为元素下标,content为元素值,上例中的标签可以获得数组:array('A'=>'1', 'b'=>'2'),其他<meta>标签不处理,并且此函数只处理到</head>标签时截止,之后的<meta>也不再继续处理,不过<head>之前的<meta>还是会处理.

user-agent是浏览器在向服务器请求网页时,提交的不可见的头信息的一部分,头信息是一个数组,包含多个信息,比如本地缓存目录,cookies等,其中user-agent是浏览器类型申明,比如IE、Chrome、FF等.

今天在抓取一个网页的<meta>标签的时候,总是得到空值,但是直接查看网页源代码又是正常的,于是怀疑是否服务器设置了根据头信息来判断输出,先尝试使用get_meta_tags()来抓取一个本地的文件,然后这个本地文件将获取的头信息写入文件,结果如下,其中替换成了/,方便查看,代码如下:

array ( 
  'HTTP_HOST' => '192.168.30.205', 
  'PATH' => 'C:/Program Files/Common Files/NetSarang;C:/Program Files/NVIDIA Corporation/PhysX/Common;C:/Program Files/Common Files/Microsoft Shared/Windows Live;C:/Program Files/Intel/iCLS Client/;C:/Windows/system32;C:/Windows;C:/Windows/System32/Wbem;C:/Windows/System32/WindowsPowerShell/v1.0/;C:/Program Files/Intel/Intel(R) Management Engine Components/DAL;C:/Program Files/Intel/Intel(R) Management Engine Components/IPT;C:/Program Files/Intel/OpenCL SDK/2.0/bin/x86;C:/Program Files/Common Files/Thunder Network/KanKan/Codecs;C:/Program Files/QuickTime Alternative/QTSystem;C:/Program Files/Windows Live/Shared;C:/Program Files/QuickTime Alternative/QTSystem/; %JAVA_HOME%/bin;%JAVA_HOME%/jre/bin;', 
  'SystemRoot' => 'C:/Windows', 
  'COMSPEC' => 'C:/Windows/system32/cmd.exe', 
  'PATHEXT' => '.COM;.EXE;.BAT;.CMD;.VBS;.VBE;.JS;.JSE;.WSF;.WSH;.MSC', 
  'WINDIR' => 'C:/Windows', 
  'SERVER_SIGNATURE' => '', 
  'SERVER_SOFTWARE' => 'Apache/2.2.11 (Win32) PHP/5.2.8', 
  'SERVER_NAME' => '192.168.30.205', 
  'SERVER_ADDR' => '192.168.30.205', 
  'SERVER_PORT' => '80', 
  'REMOTE_ADDR' => '192.168.30.205', 
  'DOCUMENT_ROOT' => 'E:/wamp/www', 
  'SERVER_ADMIN' => 'admin@admin.com', 
  'SCRIPT_FILENAME' => 'E:/wamp/www/user-agent.php', 
  'REMOTE_PORT' => '59479', 
  'GATEWAY_INTERFACE' => 'CGI/1.1', 
  'SERVER_PROTOCOL' => 'HTTP/1.0', 
  'REQUEST_METHOD' => 'GET', 
  'QUERY_STRING' => '', 
  'REQUEST_URI' => '/user-agent.php', 
  'SCRIPT_NAME' => '/user-agent.php', 
  'PHP_SELF' => '/user-agent.php', 
  'REQUEST_TIME' => 1400747529, 
)

 

本文地址:https://www.henenseo.com/archives/2930
关注我们:请关注一下我们的微信公众号:扫描二维码新起点博客的公众号,公众号:xinqidian129
版权声明:本文为原创文章,版权归 新起点博客 所有,欢迎分享本文,转载请保留出处!
宝塔服务器面板,一键全能部署及管理,送你3188元礼包,点我领取
【腾讯云】海外1核2G服务器低至2折,半价续费券限量免费领取!

发表评论


表情