PHP一个简单的无需刷新爬虫

一个小示例，所以过程化简单写了。

  <?php   //设置最大执行时间  set_time_limit(0);  function getHtml($url){    // 1. 初始化     $ch = curl_init();     // 2. 设置选项，包括URL     curl_setopt($ch,CURLOPT_URL,$url);     curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);     curl_setopt($ch,CURLOPT_HEADER,0);     // 3. 执行并获取HTML文档内容     $output = curl_exec($ch);     if($output === FALSE ){      $output = '';     }     // 4. 释放curl句柄     curl_close($ch);     return $output;  }  function getPageData($url){    // 获取整个网页内容    $html = getHtml($url);    // 初步获取主块内容    preg_match("/教程列表.*教程列表/s",$html,$body_html);    // 返回数据    $data = array();    //判断是否存在要获取的内容    if(count($body_html)){      // 获取页面指定信息      preg_match_all('/<a class="avatar".*user_id="(S*)" href="(S*)" rel="external nofollow" /',$body_html[0],$info_1);      preg_match_all('/<a href="(.*)" rel="external nofollow" .*title="(.*)"/',$body_html[0],$info_2);      $info = array_merge($info_1,$info_2);      //组合的信息      for($index=0; $index<count($info[0]); $index++){        //以文章信息作为key存数组，以及覆盖旧数据        $data[$info[4][$index]] = array(                'user_id'  => $info[1][$index],                'user_home' => $info[2][$index],                'a_url'   => $info[4][$index],                'a_title'  => $info[5][$index],             );      }    }    return $data;  }  header("Content-type: text/html; charset=utf-8");   echo '<pre>';  // 初始化数据  $page_no = 1;  $data_all = array();  // 分页获取数据  do{    $url = 'http://www.thinkphp.cn/code/examples/p/' . $page_no;    $data = getPageData($url);    $data_all += $data;    $page_no ++;  }while ($page_no <= 10); //当前只获取10页，如果要全部获取则把条件换成$data或!empty($data)  var_dump($data_all);  ?>

接下的入表库当然就不写了。