php curl模擬post請求提交數據

 最近在做校園圖書館圖書信息的采集程式,既然是圖書館圖書的采集,肯定有提交搜索的頁面,無非是post提交,讓我想到瞭curl模擬提交,首先通過firebug進行抓包查詢下post提交後的格式如下:

 

txtWxlx=CN&hidWxlx=spanCNLx&txtPY=HZ&txtTm=%D2%F4%C0%D6&txtLx=%25&txtSearchType=1&nMaxCount=100&nSetPageSize=10&cSortFld=%D5%FD%CC%E2%C3%FB&B1=%BC%EC+%CB%F7;搜索的關鍵字name=txtTm,隨後代碼如下:

 

 

 

復制代碼

<?php 

$keyword="音樂";$post="txtWxlx=CN&hidWxlx=spanCNLx&txtPY=HZ&txtTm={$keyword}&txtLx=%25&txtSearchType=1&nMaxCount=100&nSetPageSize=20&cSortFld=%D5%FD%CC%E2%C3%FB&B1=%BC%EC+%CB%F7";

$url = "http://210.30.68.130/wxjs/tmjs.asp";

//查詢地址

$ch = curl_init(); 

curl_setopt ($ch, CURLOPT_REFERER, "http://210.30.68.130/wxjs/tmjs_form.asp/ "); //模擬來源  

curl_setopt($ch, CURLOPT_URL, $url);//URL  

curl_setopt($ch,CURLOPT_FOLLOWLOCATION,1);

curl_setopt($ch, CURLOPT_HEADER, false);

curl_setopt($ch, CURLOPT_POST, 1);  //模擬POST  

curl_setopt($ch, CURLOPT_POSTFIELDS, $post);//POST內容  

curl_exec($ch);  

$output = curl_close($ch); 

echo $output;

 ?>

復制代碼

 

 

但返回的頁面總是顯示沒有相關內容,如果把關鍵字改成英語或者數字就可以正常顯示瞭,於是想到這應該是編碼問題,然後在post上面可以看到txtTm=%D2%F4%C0%D6經過查詢得知這是url編碼,漢字會進行轉化,如果是英語則不會發生任何改變,於是就把頭信息也加瞭部分內容進去如下:

 

$header = array();

$header[] = 'User-Agent: Mozilla/5.0 (Windows NT 6.1; rv:30.0) Gecko/20100101 Firefox/30.0';

$header[] = 'Accept:text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8';

$header[] = 'Connection: keep-alive';

$header[] = 'Content-Type:application/x-www-form-urlencoded';

curl_setopt ( $ch, CURLOPT_HTTPHEADER, $header ); 

其實主要是$header[] = 'Content-Type:application/x-www-form-urlencoded';再次加載頁面後如果是漢字顯示還是沒有相關的內容,隨後想到瞭一個很簡單的問題所在,php程式是utf8的,然而圖書館的網站是gb2312,好吧,再加上一句,$keyword =  iconv('UTF-8', 'GB2312', $keyword);再次加載成功,這個應該才是問題關鍵所在,然後我把頭信息刪除後添加一句$keyword = urlencode($keyword);再次加載也就是下面的代碼:

 

復制代碼

<?php 

$keyword="世界";

$keyword =  iconv('UTF-8', 'GB2312', $keyword);

$keyword = urlencode($keyword);

$post="txtWxlx=CN&hidWxlx=spanCNLx&txtPY=HZ&txtTm={$keyword}&txtLx=%25&txtSearchType=1&nMaxCount=100&nSetPageSize=20&cSortFld=%D5%FD%CC%E2%C3%FB&B1=%BC%EC+%CB%F7";

$url = "http://210.30.68.130/wxjs/tmjs.asp";

//查詢地址

$ch = curl_init();

curl_setopt ($ch, CURLOPT_REFERER, "http://210.30.68.130/wxjs/tmjs_form.asp/ "); //模擬來源  

curl_setopt($ch, CURLOPT_URL, $url);//URL  

curl_setopt($ch,CURLOPT_FOLLOWLOCATION,1);

curl_setopt($ch, CURLOPT_HEADER, false);

curl_setopt($ch, CURLOPT_POST, 1);  //模擬POST  

curl_setopt($ch, CURLOPT_POSTFIELDS, $post);//POST內容  

curl_exec($ch);  

$output = curl_close($ch); 

echo $output;

 ?>

復制代碼

不出所料,正常顯示瞭,隨後就是頁面內容的采集排版問題瞭。無非是正則瞭。(由於是校園網隻能我們內網訪問)

 

 

發佈留言