PHP 抓取網頁內容筆記

最近實作抓取網頁內容，也遇到一些問題，為免那和我不好的記憶力和我分手，把重點記一下。

環境：

Windows

Php 5

    Curl

    Regular expression

    Pho simple html dom

如同以往，抓取網頁之後就是要擷取特定模板（pattern) 內容，這個過程，一直以來並沒有不同。

有些情況發生了，雖然大多數的網頁用 GET 就能下載了（ curl, file_get_html），有些網頁，要用 POST 方式，需要把 POST 參數代入(例如 curl: CURLOPT_POSTFIELDS)，才能順利取得網頁的內容，否則一片空白，畢竟抓到這些資料來源，才能有下一步。

抓下來的資料，（十年）之前使用土法煉鋼的方式，用遁序漸進的方式，不斷的使用關鍵字炸開（explode）的方式，來取得目標的內容，雖然這等方式在現在也能達成目的，總是希望有點長進，果然，讀別人的程式碼是很有用地 XD。

如果時間上可行，測出正規表示法的比對模板，是很好的解決方式，不需要其他工具或是程式的導入，可惜，這些符號，和我真的很不熟（超生硬），有些真的花非常多的時間還測不出來，超需要慧根（是什麼，能吃嗎？），只能山不轉路轉了。

jQuery 對於擷取 DOM 有其長處，因為想直接在 PHP 上面實作，所以先把 jQuery 擱著，所幸找到了 simple html dom 的工具（$html -> find('TAG_NAME', 0) -> plaintext;），讓這個工作變得有效率了，超級開心。

收工！