PHP网页抓取之抓取百度贴吧邮箱数据代码分享


            百度贴吧大家都经常逛，去逛百度贴吧的时候，经常会看到楼主分享一些资源，要求留下邮箱，楼主才给发。



对于一个热门的帖子，留下的邮箱数量是非常多的，楼主需要一个一个的去复制那些回复的邮箱，然后再粘贴发送邮件，不是被折磨死就是被累死。无聊至极写了一个抓取百度贴吧邮箱数据的程序，需要的拿走。



程序实现了一键抓取帖子全部邮箱和分页抓取邮箱两个功能，界面懒得做了，效果如下：





老规矩，直接贴源码







<?php

$url2="";

$page="";

if($_GET['url2']==""){

$url2="http://tieba.baidu.com/p/2314539885?pn=1";

}else{

$url2=$_GET['url2'];

}



if($_GET['page']==""){

$page="1";

}else{

$page=$_GET['page'];

}

?>

<form action="" method="get">

<input type="hidden" value="getAll" name="type" />

<table>

<tr>

<td>帖子链接：</td><td><input type="text" name="url" value="http://tieba.baidu.com/p/2314539885" style="width:300px;" /></td>

</tr>

<tr>

<td>总页数：</td><td><input type="text" name="page" style="width:300px;" value="<?php echo $page;?>" /></td>

</tr>

<tr>

<td colspan=2><input type="submit" value="抓取全部邮箱数据" /></td>

</tr>

</table>

</form>



<form action="" method="get">

<input type="hidden" value="getNow" name="type" />

<table>

<tr>

<td>帖子链接：</td><td><input type="text" name="url2" value="<?php echo $url2;?>" style="width:300px;" /></td>

</tr>

<tr>

<td colspan=2><input type="submit" value="抓取当前页面邮箱数据" /></td>

</tr>

</table>

</form>

<?php

if($_GET['type']!=""){

$counts=0;

if($_GET['type']=="getAll"){

$pages=$_GET['page'];

$url = $_GET['url'];

for($i=0;$i<$pages;$i++){

$ch2 = curl_init();

curl_setopt($ch2, CURLOPT_URL, $url);

curl_setopt($ch2, CURLOPT_FOLLOWLOCATION, TRUE);

curl_setopt($ch2, CURLOPT_SSL_VERIFYHOST, FALSE);

curl_setopt($ch2, CURLOPT_SSL_VERIFYPEER, false);

curl_setopt($ch2, CURLOPT_RETURNTRANSFER, TRUE);

$texts = curl_exec($ch2);

curl_close($ch2);

$dat=getEmail($texts);

for($j=0;$j<count($dat);$j++){

echo $dat[$j]."<br />";

$counts++;

}

}

}else if($_GET['type']=="getNow"){

$url = $_GET['url2'];

$ch2 = curl_init();

curl_setopt($ch2, CURLOPT_URL, $url);

curl_setopt($ch2, CURLOPT_FOLLOWLOCATION, TRUE);

curl_setopt($ch2, CURLOPT_SSL_VERIFYHOST, FALSE);

curl_setopt($ch2, CURLOPT_SSL_VERIFYPEER, false);

curl_setopt($ch2, CURLOPT_RETURNTRANSFER, TRUE);

$texts = curl_exec($ch2);

curl_close($ch2);

$dat=getEmail($texts);

for($i=0;$i<count($dat);$i++){

echo $dat[$i]."<br />";

$counts++;

}

}

echo '<h2>共采集到数据：'.$counts.'条</h2>';

}

function getEmail($str){

$pattern = "/([a-z0-9\-_\.]+@[a-z0-9]+\.[a-z0-9\-_\.]+)/"; 

preg_match_all($pattern,$str,$emailArr); 

return $emailArr[0]; 

}

?>