curl抓取页面时遇到重定向的解决方法

跑马溜溜的球

发布于 2020-12-07 15:26:51

2.1K0

发布于 2020-12-07 15:26:51

文章被收录于专栏：日积月累1024

用php的curl抓取网页遇到了问题，为阐述方便，将代码简化如下：

<?php
function curlGet($url) {
        $ch = curl_init();
        curl_setopt($ch, CURLOPT_URL, $url);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
        curl_setopt($ch, CURLOPT_HEADER, true);
        return curl_exec($ch);
}

$url = 'http://144go.com';
echo curlGet($url), "\n";

代码的目的很简单，抓取页面： http://www.144go.com 执行上述代码，得到的结果：

HTTP/1.1 301 Moved Permanently
Content-Length: 144
Content-Type: text/html
Location: http://www.144go.com/
Server: Microsoft-IIS/6.0
X-Powered-By: ASP.NET
Date: Mon, 03 Sep 2012 04:25:22 GMT

<head><title>Document Moved</title></head>
<body><h1>Object Moved</h1>This document may be found <a HREF="http://www.144go.com/">here</a></body>

由结果中的 Location: http://www.144go.com/ 可知 http://144go.com 被重定向到了 http://www.144go.com/

怎么办呢，要用正则分析出Location部分的链接，重复执行执行curlGet吗？行到是行，就是有点麻烦。

其实只要加一条语就可以了：

<?php
function curlGet($url) {
        $ch = curl_init();
        curl_setopt($ch, CURLOPT_URL, $url);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 
        curl_setopt($ch, CURLOPT_HEADER, true);
        //函数中加入下面这条语句
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);        
        return curl_exec($ch);
}

再次执行代码，可以抓取到想要的页面。

CURLOPT_FOLLOWLOCATION指明：让curl递归的抓取http头中Location中指明的url。当抓取次数超过CURLOPT_MAXREDIRS时，递归将终止。在抓取中任何跳转带来的问题，都可通过设置此参数解决。

有关重定向的问题，可参考HTTP返回码中301与302的区别

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2012/09/03 ，如有侵权请联系 cloudcommunity@tencent.com 删除

爬虫