(转)php实现抓取网站百度快照和百度收录数量的代码实例

如果大家稍加仔细看一下就能发现一个问题，我们下面几个抓取百度收录或快照或热词的程序中都有一个函数file_get_contents()，他是php采集网页常用的哦。
代码如下  复制代码
<?
/*
抓取百度收录代码
*/
function baidu($s){
  $baidu="http://www.baidu.com/s?wd=site%3A".$s;
  $site=file_get_contents($baidu);
  //$site=iconv("gb2312", "UTF-8", $site);
  ereg("找到相关网页(.*)篇，", $site,$count);
  $count=str_replace("找到相关网页","",$count);
  $count=str_replace("篇，","",$count);
  $count=str_replace("约","",$count);
  $count=str_replace(",","",$count);
  return $count[0];
}echo baidu(www.3ppt.com); //获取好主题在百度中的收录数量?>获取百度的热词
 代码如下  复制代码<?php
/**
* * @user 小杰
* @return array 返回百度的热词数据(数组返回)
*/
function getBaiduHotKeyWord()
{
$templateRss = file_get_contents('http://top.baidu.com/rss_xml.php?p=top10');
If (preg_match('/<table>(.*)</table>/is', $templateRss, $_description)) {
$templateRss = $_description [0];
$templateRss = str_replace("&", "&", $templateRss);
}
$templateRss = "<?xml version="1.0" encoding="GBK"?>" . $templateRss;
$xml = simplexml_load_String($templateRss);
foreach ($xml->tbody->tr as $temp) {
if (!empty ($temp->td->a)) {
$keyArray [] = trim(($temp->td->a));
}
}
return $keyArray;
}
print_r(getBaiduHotKeyWord());
这是在网上找的 稍微修改了下 将下面代码写入php文件
百度收录和百度快照时间代码如下：<?php
    $domain = “http://www.3ppt.com/nokia/5230/ *欲查询的域名*/
    $site_url = ‘http://www.baidu.com/s?wd=site%3A’;
    $all = $site_url.$domain; /*域名所有收录的网址*/
    $today = $all.’&lm=1′;    /*域名今日收录的网址*/
    $utf_pattern = “/找到相关结果数(.*)个/”;
    $kz_pattern = “/<span class=”g”>(.*)</span>/”; /*用以匹配快照日期的字符串*/
    $times = “/d{4}-d{1,2}-d{1,2}/”; /*匹配快照日期的正则表达式，如:2011-8-4*/
    $s0 = @file_get_contents($all);    /*将site:www.3ppt.com的网页置入$s0字符串中*/
    $s1 = @file_get_contents($today);
    preg_match($utf_pattern,$s0,$all_num); /*匹配”找到相关结果数*个”*/
    preg_match($utf_pattern,$s1,$today_num);
    preg_match($kz_pattern,$s0,$temp);
    preg_match($times,$temp[0],$screenshot);
    if($all_num[1] == “”)
        $all_num[1] = 0;
    if($today_num[1] == “”)
        $today_num[1] = 0;
    if($screenshot[0] == “”)
        $screenshot[0] = “暂无快照”;
?>
<html>
    <head>
    <title>Test</title>
    </head>
<body>
  <table>
    <tr>
      <td>日期</td><td>百度收录</td><td>百度今日收录</td><td>百度快照日期</td>
    </tr>
    <tr>
      <td><?php echo date(‘m月d日G时’);?> </td><td><?php echo $all_num[1]; ?></td><td><?php echo $today_num[1]; ?></td><td><?php echo $screenshot[0]; ?></td>
    </tr>  </table>
    <p>百度收录：<a href=”<?php echo $all; ?>” target=”_blank”><?php echo $all_num[1]; ?></a></p>
    <p>百度今日收录：<a href=”<?php echo $today; ?>” target=”_blank”><?php echo $today_num[1]; ?></a></p>
    <p>百度快照日期：<a href=”<?php echo $all; ?>”><?php echo $screenshot[0]; ?></a></p>
</body>
</html>上面的方法未经过严格考虑，如果服务器不支持file_get_contents函数我们就无法操作了，所以还可以利用curl操作，这个更方便可以模仿用户哦。