卡卡網(wǎng)

今天需要實現(xiàn)一個簡單的功能，就是用PHP抓網(wǎng)頁內(nèi)容，但是在實際使用時遇到了一個問題，就是無論用何種方法去獲取網(wǎng)頁內(nèi)容，當網(wǎng)址含有中文路徑時就會出錯。

我用了file_get_contents()和curl兩種方法，當網(wǎng)址不含中文時，沒有問題，但當網(wǎng)址含有中文，就不行了。

如抓下面這個網(wǎng)頁沒問題

http://howtostagehomes.com/tutorial/

但抓下面這個網(wǎng)頁就抓不到

http://howtostagehomes.com/tutorial/html/tags/按鈕/

有人提到用curl來抓，添加header頭信息，但是經(jīng)過測試這個方法是無效的。

在測試過程中，我還嘗試過用encode等網(wǎng)址編碼函數(shù)，但還是沒能解決問題。

這個問題看似不大，但解決起來還是煞費心神的。

我又谷歌了一下。

最終找到了問題的解決方法，那就是需要使用下面這個語句，對網(wǎng)址進行轉(zhuǎn)換。

$Url = "http://howtostagehomes.com/tutorial/html/tags/按鈕/";
$Url = iconv('utf-8', 'gbk', $Url); //把utf-8轉(zhuǎn)為gbk

然后用轉(zhuǎn)換后的網(wǎng)址去抓，這樣，無論用何種方法，都能成功抓到想要的網(wǎng)頁了。

iconv編碼格式轉(zhuǎn)換

1. iconv()介紹

iconv函數(shù)可以將一種已知的字符集文件轉(zhuǎn)換成另一種已知的字符集文件。例如：從GB2312轉(zhuǎn)換為UTF-8。

iconv函數(shù)在php5中內(nèi)置，GB字符集默認打開。

2. iconv()錯誤

iconv在轉(zhuǎn)換字符”—”到gb2312時會出錯，解決方法是在需要轉(zhuǎn)成的編碼后加 “//IGNORE”，也就是iconv函數(shù)第二個參數(shù)后。

添加了字符串 //IGNORE，不能以目標字符集表達的字符將被默默丟棄。 否則，會導(dǎo)致一個 E_NOTICE并返回 false。

代碼如下：

iconv("gb2312", "utf-8//IGNORE", $data) 【把gb2312轉(zhuǎn)換成utf-8】

您可能對以下文章也感興趣

• php獲得網(wǎng)頁源代碼抓取網(wǎng)頁內(nèi)容的幾種方法
• fopen()和file_get_contents()打開URL獲得網(wǎng)頁內(nèi)容的用法區(qū)別
• php curl獲得header檢測GZip壓縮的源代碼
• 如何從curl_errno返回值獲取錯誤信息
• 解決IIS運行PHP出現(xiàn)Call to undefined function curl_init()的問題
• file_get_contents()報錯gethostbyname failed的原因

標簽: file_get_contents  curl