浅谈 php 采用curl 函数库获取网页 cookie 和带着cookie去访问网页的方法

由于近段时间帮朋友开发一个能够查询正方教务系统的微信公众平台号。有所收获。这里总结下个人经验。

开讲前，先吐槽一下新浪云服务器，一个程序里的   同一个函数  在PC测试可以正常运行，在它那里就会挂的现象。

老样子，我将在代码里注释清楚。使用下面的函数，将会获得两种形式的 cookie，一种保存在文件中，一种直接以变量的形式返回。

经验提示： 有时候，在不同的代码运行环境中，带着文件cookie 去访问会成功，而变量却失败，有时候却相反。不过目前，这两种方法总有一种会成功。

function get_cookie($url_, $params_, $referer_) {

    if ($url_ == null) {
        echo "get_cookie_url_null";
        exit;
    }
    if ($params_ == null) {
        echo "get_params_null";
        exit;
    }
    if ($referer_ == null) {
        echo "get_referer-null";
        exit;
    }
    $this_header = array("content-type: application/x-www-form-urlencoded; charset=UTF-8");//访问链接时要发送的头信息

    $ch = curl_init($url_);//这里是初始化一个访问对话，并且传入url，这要个必须有

    //curl_setopt就是设置一些选项为以后发起请求服务的

    curl_setopt($ch, CURLOPT_HTTPHEADER, $this_header);//一个用来设置HTTP头字段的数组。使用如下的形式的数组进行设置： array('Content-type: text/plain', 'Content-length: 100')
    curl_setopt($ch, CURLOPT_HEADER, 1);//如果你想把一个头包含在输出中，设置这个选项为一个非零值，我这里是要输出，所以为 1

    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//将 curl_exec()获取的信息以文件流的形式返回，而不是直接输出。设置为0是直接输出

    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);//设置跟踪页面的跳转，有时候你打开一个链接，在它内部又会跳到另外一个，就是这样理解

    curl_setopt($ch, CURLOPT_POST, 1);//开启post数据的功能，这个是为了在访问链接的同时向网页发送数据，一般数urlencode码

    curl_setopt($ch, CURLOPT_POSTFIELDS, $params_); //把你要提交的数据放这

    curl_setopt($ch, CURLOPT_COOKIEJAR, 'cookie.txt');//获取的cookie 保存到指定的 文件路径，我这里是相对路径，可以是$变量

    //curl_setopt($ch, CURLOPT_COOKIEFILE, 'cookie.txt');//要发送的cookie文件，注意这里是文件，还一个是变量形式发送

    //curl_setopt($curl, CURLOPT_COOKIE, $this->cookies);//例如这句就是设置以变量的形式发送cookie，注意，这里的cookie变量是要先获取的，见下面获取方式

    curl_setopt($ch, CURLOPT_REFERER, $referer_); //在HTTP请求中包含一个'referer'头的字符串。告诉服务器我是从哪个页面链接过来的，服务器籍此可以获得一些信息用于处理。

    $content = curl_exec($ch);     //重点来了，上面的众多设置都是为了这个，进行url访问，带着上面的所有设置

    if (curl_errno($ch)) {
        echo 'Curl error: ' . curl_error($ch);
        exit(); //这里是设置个错误信息的反馈
    }

    if ($content == false) {
        echo "get_content_null";
        exit();
    }
    preg_match('/Set-Cookie:(.*);/iU', $content, $str); //这里采用正则匹配来获取cookie并且保存它到变量$str里，这就是为什么上面可以发送cookie变量的原因

    $cookie = $str[1]; //获得COOKIE（SESSIONID）

    curl_close($ch);//关闭会话

    return $cookie;//返回cookie  
}

下面这个是如何利用上面的cookie  去访问网页，去post数据，去get页面代码的函数。

function post($url, $post_data, $location = 0, $reffer = null, $origin = null, $host = null) {

    $post_data = is_array($post_data) ? http_build_query($post_data) : $post_data;
    //产生一个urlencode之后的请求字符串，因为我们post，传送给网页的数据都是经过处理，一般是urlencode编码后才发送的

    $header = array( //头部信息，上面的函数已说明
        'Accept:*/*',
        'Accept-Charset:text/html,application/xhtml+xml,application/xml;q=0.7,*;q=0.3',
        'Accept-Encoding:gzip,deflate,sdch',
        'Accept-Language:zh-CN,zh;q=0.8',
        'Connection:keep-alive',
        'Content-Type:application/x-www-form-urlencoded',
        //'CLIENT-IP:'.$ip, 
        //'X-FORWARDED-FOR:'.$ip,
    );

    //下面的都是头部信息的设置，请根据他们的变量名字，对应上面函数所说明
    if ($host) {
        $header = array_merge_recursive($header, array("Host:" . $host));
    } else if ($this->option["host"]) {
        $header = array_merge_recursive($header, array("Host:" . $this->option["host"]));
    }
    if ($origin) {
        $header = array_merge_recursive($header, array("Origin:" . $origin));
    } else {
        $header = array_merge_recursive($header, array("Origin:" . $url));
    }
    if ($reffer) {
        $header = array_merge_recursive($header, array("Referer:" . $reffer));
    } else {
        $header = array_merge_recursive($header, array("Referer:" . $url));
    }

    $curl = curl_init();  //这里并没有带参数初始化

    curl_setopt($curl, CURLOPT_URL, $url);//这里传入url

    curl_setopt($curl, CURLOPT_HTTPHEADER, $header);

    curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, 0);//对认证证书来源的检查，不开启次功能

    curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, 1);//从证书中检测 SSL 加密算法

    curl_setopt($curl, CURLOPT_USERAGENT, $this->useragent);
    //模拟用户使用的浏览器，自己设置，我的是"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:23.0) Gecko/20100101 Firefox/23.0"
    curl_setopt($curl, CURLOPT_FOLLOWLOCATION, $location);

    curl_setopt($curl, CURLOPT_AUTOREFERER, 1);//自动设置referer

    curl_setopt($curl, CURLOPT_POST, 1);//开启post

    curl_setopt($curl, CURLOPT_ENCODING, "gzip");
    //HTTP请求头中"Accept-Encoding: "的值。支持的编码有"identity"，"deflate"和"gzip"。如果为空字符串""，请求头会发送所有支持的编码类型。
    //我上面设置的是*/*

    curl_setopt($curl, CURLOPT_POSTFIELDS, $post_data);//要传送的数据

    //curl_setopt($curl, CURLOPT_COOKIE, $this->cookies);//以变量形式发送cookie，我这里没用它，文件保险点

    curl_setopt($curl, CURLOPT_COOKIEJAR, 'cookie.txt');    //存cookie的文件名，

    curl_setopt($curl, CURLOPT_COOKIEFILE, 'cookie.txt');  //发送

    curl_setopt($curl, CURLOPT_TIMEOUT, 30);//设置超时限制，防止死循环

    curl_setopt($curl, CURLOPT_HEADER, 1);

    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);

    $tmpInfo = curl_exec($curl);
    if (curl_errno($curl)) {
        echo 'Curl error: ' . curl_error($curl);
        exit();
    }

    curl_close($curl);
    list($header, $body) = explode("\r\n\r\n", $tmpInfo, 2);//分割出网页源代码的头和bode
    $tmpInfo = $this->auto_charest($tmpInfo);//转码，防止乱码，自定义函数
    return array("header" => $header, "body" => $body, "content" => $tmpInfo);
}

上面是post，下面是get，两者差不多，差别在于，get是没有post，传送数据给放前访问的网页的，仅仅只是获取源代码。

function get($url, $location = 1, $origin = null, $reffer = null, $host = null) {
    //$ip = $this->randip();
    if ($url == null) {
        echo "get-url-null";
        exit();
    }
    $header = array(
        'Accept:*/*',
        'Accept-Charset:GBK,utf-8;q=0.7,*;q=0.3',
        'Accept-Encoding:gzip,deflate,sdch',
        'Accept-Language:zh-CN,zh;q=0.8',
        'Connection:keep-alive',

        //'CLIENT-IP:'.$ip, 
        //'X-FORWARDED-FOR:'.$ip,
    );
    if ($host) {
        $header = array_merge_recursive($header, array("Host:" . $host));
    } else if ($this->option["host"]) {
        $header = array_merge_recursive($header, array("Host:" . $this->option["host"]));
    }
    if ($origin) {
        $header = array_merge_recursive($header, array("Origin:" . $origin));
    } else {
        $header = array_merge_recursive($header, array("Origin:" . $url));
    }
    if ($reffer) {
        $header = array_merge_recursive($header, array("Referer:" . $reffer));
    } else {
        $header = array_merge_recursive($header, array("Referer:" . $url));
    }

    $curl = curl_init();
    curl_setopt($curl, CURLOPT_URL, $url);
    curl_setopt($curl, CURLOPT_HTTPHEADER, $header);
    curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, 0);
    curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, 1);
    curl_setopt($curl, CURLOPT_USERAGENT, $this->useragent);
    curl_setopt($curl, CURLOPT_FOLLOWLOCATION, $location);
    curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 1);
    curl_setopt($curl, CURLOPT_AUTOREFERER, 1);
    curl_setopt($curl, CURLOPT_ENCODING, "gzip");
    curl_setopt($curl, CURLOPT_HTTPGET, 1);
    //curl_setopt($curl, CURLOPT_COOKIE, $this->cookies);
    curl_setopt($curl, CURLOPT_COOKIEJAR, 'cookie.txt');
    curl_setopt($curl, CURLOPT_COOKIEFILE, 'cookie.txt');
    curl_setopt($curl, CURLOPT_TIMEOUT, 30);
    curl_setopt($curl, CURLOPT_HEADER, 1);
    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
    $tmpInfo = curl_exec($curl);

    if (curl_errno($curl)) {
        echo 'Curl error: ' . curl_error($curl);
        exit();
    }
    curl_close($curl);
    list($header, $body) = explode("\r\n\r\n", $tmpInfo, 2);
    $tmpInfo = $this->auto_charest($tmpInfo);
    return array("header" => $header, "body" => $body, "content" => $tmpInfo);
}

OK，如果觉得对你有点用的，请默默点一下顶。