日期:2014-05-16  浏览次数:20488 次

通过URL抓取网页的TITLE,有些网站抓不到,方法愚笨,求指点。
本帖最后由 u012716911 于 2013-11-04 11:25:29 编辑
代码是我自己这样想着写的,不知道还有没有更好的方法。请各位给些指点
有些网站可以抓到,如百度,有些网站就抓不到,比如太平洋汽车的首页。


public function set_title()
{
// 获取进来URL
$url = $_POST['url'];
// $url = "www.pcauto.com.cn"; 抓不到!
//一连串的curl设置
$ch = curl_init();
curl_setopt($ch,CURLOPT_URL,$url);
curl_setopt($ch,CURLOPT_HEADER,0);
curl_setopt($ch,CURLOPT_ENCODING,'gzip');
curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
$content_source = curl_exec($ch);
curl_close($ch);

//获取抓到内容的编码格式

$encode = mb_detect_encoding($content_source, array('GB2312','GBK','UTF-8','ASCII')); 

//转码
$content_source = iconv($encode, 'utf-8//IGNORE',$content_source);

//截取<title>
if(preg_match("/<title>(.*?)<\/title>/i",$content_source,$title))
{
echo $title[1];
}
else
{
echo '拉取标题失败';
}
}
curl 抓取 标题

------解决方案--------------------
问题出在正则匹配那里,你加个 s 修正符就好了
if(preg_match("/<title>(.*?)<\/title>/is",$content_source,$title))

s  如果设定了此修正符,模式中的圆点元字符(.)匹配所有的字符,包括换行符。没有此设定的话,则不包括换行符