PHP网站制作中经常需◥要采集其□□□□他网站的□□□□数据，有些细节□□问题会导□□□致遇到很□□□□大麻烦，至于攻防□□□采集在此◤不细说，下面BG大游集团记录□□一下采集□□□过程中的□□几个要点◥需要注意□□□的地方

    1、首先要获♦取到对方◤网址的所□□有内容，可能你会□□□想到用file_gets_contents来获取，但此函数□□□□不适合用□□□于获取远□□□程文件，用于打开□□□□本地txt文件还是□□蛮好用的。那么用什□□□么来获取□□□□呢？Curl，这个php的扩展来□□处理。下面就是□□□□一个简单□□的获取网□□页内容的□□基本配置，更多参数□□□□配置可以◤到网上去◉搜。
 
    
2、在采集网◥页匹配数□□据时，特别是在□□□列表页，可以先把□□□□获取到的□□对方所有□□的空格换□□□□行等html标签去掉，写起正则□□□来就会容□□易很多。这里提供□□□一个函数：

    
 
3、在获取到□□对方的数□□□据的时候□□□□就要开始□□正则匹配○了，这里介绍□□几个常有□□的匹配规□□□则：
一个是任▲意字符(.*?)，另一个是([\s\S]*?)表示包括△换行符的·任意字符，在匹配过□□□□程中够用□□□了。然后选择□□□□匹配模式i即可。

4、介绍一下□□□采集的思□□□路，可以先把□□□□符合页面◎的数据下□□□载下来保□□存为txt文件，再来本地□□□□处理就更□□快一些。还有就是丨为了避免□□□□频繁访问□□□□对方网站□□或数据丢□□失状态可□□以加一个while(){}循环或是sleep()暂停几秒□□□来处理。把相关的◥数据库处□□□□理函数要□□封装好，直接调用。

5、还有一个□□重要的事·情，很多人可□□□□能会忽略，就是页面▽的编码问△题，如果对方☆网站是gbk的编码，则相应的php文件或是·用于提交□□□条件的html文件也会□□□是gbk的编码。但是这会□□□□存在一个□□□问题，就是发生□□□在gbk的html向gbk的php页面提交□□□□中文数据□□的时候，gbk的php文件可能□□□□就不会给□□□□你反应，如果你用□□□这些中文□□□数据去匹□□□配的时候□□会遇到问□□题。于是要转□□□变思路，utf-8是最好的□□编码模式，所以我们▲要采用utf-8的编码，而对方的□□□□又是gbk的，如何做呢？
$allcontent =iconv('gbk', 'utf-8',removetag(curl_exec($ch)));
上面的这样转换就ok了！所有的都用utf-8

本文作者：BG大游集团王国梁