关于使用php进行爬虫的一些知识分享

suger7

爬虫有很多的语言可以选择，大部分人会选择使用python,少数人会选择使用php,.关于爬虫使用php也有很多的知识，所以今天我们就通过实例代码给大家介绍了php爬虫简单的添加代理进行数据获取,代码简单易懂，非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下

在使用python对网页进行多次快速爬取的时候,访问次数过于频繁,服务器不会考虑User-Agent的信息,会直接把你视为爬虫,从而过滤掉,拒绝你的访问,在这种时候就需要设置代理,我们可以给proxies属性设置一个代理的IP地址,代码如下:

<?php

// 要访问的目标页面

$url = "http://httpbin.org/ip";

$urls = "https://httpbin.org/ip";

// 代理服务器

define("PROXY_SERVER", "tcp://t.16yun.cn:31111");

// 隧道身份信息

define("PROXY_USER", "16YUN123");

define("PROXY_PASS", "123456");

$proxyAuth = base64_encode(PROXY_USER . ":" . PROXY_PASS);

// 设置 Proxy tunnel

$tunnel = rand(1,10000);

$headers = implode("\r\n", [

"Proxy-Authorization: Basic {$proxyAuth}",

"Proxy-Tunnel: ${tunnel}",

]);

$sniServer = parse_url($urls, PHP_URL_HOST);

$options = [

"http" => [

"proxy" => PROXY_SERVER,

"header" => $headers,

"method" => "GET",

'request_fulluri' => true,

],

'ssl' => array(

'SNI_enabled' => true, // Disable SNI for https over http proxies

'SNI_server_name' => $sniServer

)

];

print($url);

$context = stream_context_create($options);

$result = file_get_contents($url, false, $context);

var_dump($result);

// 访问 HTTPS 页面

print($urls);

$context = stream_context_create($options);

$result = file_get_contents($urls, false, $context);

var_dump($result);?>

在代码中的目标网站是检测代理是否访问成功，如果访问成功就会返回代理ip，如果代理返回异常有可能是代理的配置没有正确，那就需要对配置的代理信息进行检查。每家代理的测试效果都会有不同，以实际目标网站实际测试为准，这里推介比较好的代理亿牛云。

zchzzz

123123123123