1、首先要獲取到對方網(wǎng)址的所有內(nèi)容，可能你會想到用file_gets_contents來獲取，但此函數(shù)不適合用于獲取遠(yuǎn)程文件，用于打開本地txt文件還是蠻好用的。那么用什么來獲取呢？Curl，這個php的擴(kuò)展來處理。下面就是一個簡單的獲取網(wǎng)頁內(nèi)容的基本配置，更多參數(shù)配置可以到網(wǎng)上去搜。

　　【建設(shè)網(wǎng)站建設(shè)】 網(wǎng)站創(chuàng)建公司哪家好

　　2、在采集網(wǎng)頁匹配數(shù)據(jù)時，特別是在列表頁，可以先把獲取到的對方所有的空格換行等html標(biāo)簽去掉，寫起正則來就會容易很多。這里提供一個函數(shù)：

　　【網(wǎng)站建設(shè)公司哪家好】

　　3、在獲取到對方的數(shù)據(jù)的時候就要開始正則匹配了，這里介紹幾個常有的匹配規(guī)則：

專業(yè)辦理網(wǎng)站制作

　　一個是任意字符(.*?)，另一個是([\s\S]*?)表示包括換行符的任意字符，在匹配過程中夠用了。然后選擇匹配模式i即可。

　　4、介紹一下采集的思路，可以先把符合頁面的數(shù)據(jù)下載下來保存為txt文件，再來本地處理就【企業(yè)網(wǎng)站制作公司】更快一些。還有就是為了避免頻繁訪問對方網(wǎng)站或數(shù)據(jù)丟失狀態(tài)可以加一個while(){}循環(huán)或是sleep()暫停幾秒來處理。把相關(guān)的數(shù)據(jù)庫處理函數(shù)要封裝好，直接調(diào)用。

　　5、還有一個重要的事情，很多人可能會忽略，就是頁面的編碼問題，如果對方網(wǎng)站是gbk的編碼，則相應(yīng)的php文件或是用于提交條件的html文件也會是gbk的編碼。但是這會存在一個問題，就是發(fā)生在gbk的html向gbk的php頁面提交中文數(shù)據(jù)的時候，gbk的php文件可能就不會給你反應(yīng)，如果你用這些中文數(shù)據(jù)去匹配的時候會遇到問題。于是要轉(zhuǎn)變思路，utf-8是更好的編碼模式，所以我們要采用utf-8的編碼，而對方的又是gbk的，如何做呢？

　　$allcontent=iconv('gbk', 營銷型網(wǎng)站建站【營銷網(wǎng)站開發(fā)】'utf-8',removetag(curl_exec($ch)));

　　上面的這樣轉(zhuǎn)換就ok了！所有的都用utf-8

　　本文作者：網(wǎng)絡(luò)王國梁