关于curl跳转抓取

Posted 2020-08-16 tianye_guazi

今天在公司碰到了一个bug,就是以前一直用curl下载的MP3录音文件为空了，但是浏览器去get请求是有文件的，并且大小还不是0kb,但是我用curl下载下来就是0K，百思不得其解。终于功夫不负有心人，得到了方法，原来我一直要去第三方的接口拿到录音数据，但是今天的录音数据中地址跳转了，也就是第一次请求的地址返回的是302，

这是以前的代码

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
// curl_setopt($ch, CURLINFO_HEADER_OUT, TRUE);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);
curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, FALSE);
$info = curl_exec($ch);

也就是说curl在第一次请求额时候，服务器返回302，其实是要跳转的，但是curl是默认没有跳转的，所以$info一直就是空的

改进之后

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
//curl_setopt($ch, CURLINFO_HEADER_OUT, TRUE);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);
curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, FALSE);
$info = curl_exec($ch);

这次是多了 CURLOPT_FOLLOWLOCATION，表示允许curl去跳转。$info数据有了！

ps:关于资料

curl_setopt($ch, CURLOPT_MAXREDIRS,20);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION,1);
CURLOPT_FOLLOWLOCATION即表示自动进行跳转抓取，CURLOPT_MAXREDIRS表示最多允许跳转多少次。
不过在使用时需要注意：CURLOPT_FOLLOWLOCATION需要在安全模式关闭未设置open_basedir的情况下才能使用。open_basedir是php.ini中的一项设置，功能是将用户可操作的文件限制在某目录下。
如果开户了安全模式，或者设置了open_basedir，则无法使用自动跳转抓取，此时可以采用连续抓取的办法来抓取最终页面。为加快速度和减少不必要的开销，可以在中间非目标页面的抓取过程中使用

curl_setopt($rch, CURLOPT_HEADER, TRUE);
curl_setopt($rch, CURLOPT_NOBODY, TRUE);
只抓取头信息，不抓取页面内容，对header信息的状态码（301，302）进行判断。如需跳转，则从Location中获取到跳转的地址，再次进行抓取，直至状态码为200状态。最后再对目标页面进行抓取