解析file_get_contents模仿浏览器头(user_agent)获取数据

  什么是user agent

  User Agent中文名为用户代理,简称 UA,它是一个特殊字符串头,使得服务器能够识别客户使用的操作系统及版本、CPU 类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等。

  网站可以通过判断不同UA来呈现不同的网站,例如手机访问和PC访问显示不同的页面。

  PHP在用file_get_contents函数采集网站时,有时会明明用浏览器可以看,但就是采不到任何内容。

  这很有可能是服务器上做了设置,根据 User_agent判断是否为正常的浏览器请求,因为默认PHP的file_get_contents函数是不发送ua的。

  如果要采集这样的网站,我们就必须要让PHP模拟浏览器发送UA,欺骗网站返回正常内容。

  实现如下:

  ini_set('user_agent','Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; 4399Box.560; .NET4.0C; .NET4.0E)');

  这是模拟IE8环境下的UA,当然你也可以换成其他的。比如中火狐

  也可以这样读取:

  

复制代码 代码如下:

  $opts = array(

  'http'=>array(

  'method'=>"GET",

  'header'=>"Host: zh.wikipedia.org\r\n" .

  "Accept-language: zh-cn\r\n" .

  "User-Agent: Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; 4399Box.560; .NET4.0C; .NET4.0E)" .

  "Accept: *//*"

  )

  );