PHPsocket、CURL、File_get_contents采集

1、socket采集。
采用最底层的，它只是建立一个长连接，然后我们自己构造http协议字符串去发送请求。例如想获取这个页面内容（http://tv.youku.com/?spm=a2hww.20023042.topNav.5~1~3!2~A），socket如下：
<?php
//连接,$error错误编号,$errstr错误的字符串,30s是连接超时时间
$fp=fsockopen("www.youku.com",80,$errno,$errstr,30);
if(!$fp) die("连接失败".$errstr);

//构造http协议字符串，因为socket编程是最底层的，它还没有使用http协议
$http="GET /?spm=a2hww.20023042.topNav.5~1~3!2~A HTTP/1.1\r\n"; // \r\n表示前面的是一个命令
$http.="Host:www.youku.com\r\n"; //请求的主机
$http.="Connection:close\r\n\r\n"; // 连接关闭，最后一行要两个\r\n

//发送这个字符串到服务器
fwrite($fp,$http,strlen($http));
//接收服务器返回的数据
$data='';
while (!feof($fp)) {
$data.=fread($fp,4096); //fread读取返回的数据，一次读取4096字节
}
//关闭连接
fclose($fp);
var_dump($data);
?>
2、curl。
curl把http协议封装成了很多函数，直接传相应参数即可，降低了编写http协议字符串的难度，前提：在PHP.ini中要开启curl扩展。
//生成一个curl对象
$curl=curl_init();
//设置URL和相应的选项
curl_setopt($curl, CURLOPT_URL, "http://www.youku.com");
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1); //将curl_exec()获取的信息以字符串返回，而不是直接输出。
//执行curl操作
$data=curl_exec($curl);
var_dump($data);
3、file_get_contents()。前提：在php.ini中设置允许打开一个网络的URl地址。

 

//使用file_get_contents()
$data=file_get_contents("http://www.youku.com");
var_dump($data);
三种相比较，curl和file_get_contents()用的比较多。如果要用到批量采集大量数据的时候使用curl，性能好、稳定。