PHP 更改 DOM 用户代理
Posted
技术标签:
【中文标题】PHP 更改 DOM 用户代理【英文标题】:PHP change DOM useragent 【发布时间】:2013-08-17 09:21:08 【问题描述】:我有这个简单的代码来获取任何页面的标题
<?php
$doc = new DOMDocument();
@$doc->loadhtmlFile('http://www.facebook.com');
$xpath = new DOMXPath($doc);
echo $xpath->query('//title')->item(0)->nodeValue."\n";
?>
它在我尝试过的所有页面上都运行良好,但在 Facebook 中却没有。
当我在 Facebook 中尝试时,它没有显示 Welcome to Facebook - Log In, Sign Up or Learn More
,但它显示了 Update Your Browser | Facebook
。
我认为用户代理有问题。那么有没有办法改变用户代理或者有没有其他解决方案呢?
【问题讨论】:
我会使用 curl 加载 html 并传递给 DOMDocument 我该怎么做。有示例代码吗? 在下面查看我的答案 不是同一个问题,但回答了你的问题:***.com/questions/5975213/… @Gordon 我怎样才能只得到标题? 【参考方案1】:您可以在 php.ini 中设置用户代理,而不需要 curl。只需在加载 DOMDocument 之前使用以下几行
$agent = "Mozilla/5.0 (compatible; Googlebot/2.1; +http://www.google.com/bot.html)";
ini_set('user_agent', $agent);
然后是你的代码:
$doc = new DOMDocument();
@$doc->loadHTMLFile('http://www.facebook.com');
$xpath = new DOMXPath($doc);
echo $xpath->query('//title')->item(0)->nodeValue."\n";
【讨论】:
【参考方案2】:没有直接的方法可以更改DOMDocument
中的用户代理。您可以使用 curl 检索 html,然后传递给 DOMDocument
。这是从curl
检索数据的方法
$ch = curl_init();
$timeout = 5;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$data = curl_exec($ch);
curl_close($ch);
您可以使用以下方法将其传递给DomDocument
。
$dom = new DomDocument();
$dom->loadHtml($data);
$xpath = new DOMXPath($dom);
echo $xpath->query('//title')->item(0)->nodeValue."\n";
【讨论】:
我怎样才能只得到标题。$data
显示整个页面?
我试过这个。它在其他页面上运行良好,但在 facebook 上又不行。它显示此错误Notice: Trying to get property of non-object in C:\localhost\htdocs\title\index.php on line 17
最后一个echo $xpath->query('//title')->item(0)->nodeValue."\n";
检查源facebook没有title
标签@Enve
我在谷歌浏览器中从view-source:https://www.facebook.com
查到了。有一个标题标签<title id="pageTitle">Welcome to Facebook - Log In, Sign Up or Learn More</title>
【参考方案3】:
Facebook 可能不希望人们抓取他们的网站。另一方面,您可以做的是 cURL
它,但提供合法的用户代理(可能是您自己的,$_SERVER['HTTP_USER_AGENT']
,然后将该结果提供给 DOMDocument
。
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, 'www.facebook.com');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch,CURLOPT_USERAGENT, $_SERVER['HTTP_USER_AGENT']);
$dom = new DomDocument();
$dom->loadHtml(curl_exec($ch));
【讨论】:
以上是关于PHP 更改 DOM 用户代理的主要内容,如果未能解决你的问题,请参考以下文章