抓取小說(shuō)內(nèi)容，就是抓取網(wǎng)站的文字內(nèi)容，和抓取圖片等其他網(wǎng)站內(nèi)容方法都是一樣的，我們拿筆趣閣做個(gè)簡(jiǎn)單的例子：
https://www.52bqg.com/modules/article/search.php?searchkey=
這個(gè)是筆趣閣網(wǎng)站搜索書(shū)的地址searchkey= 后面加關(guān)鍵詞，我們以關(guān)鍵詞‘天下’為例，我們發(fā)送的時(shí)候也應(yīng)該urlencode一下。

 
但是我發(fā)現(xiàn)我的發(fā)送參數(shù)和原網(wǎng)站的不一樣 我的是:%E5%A4%A9%E4%B8%8B。
 

 
這個(gè)應(yīng)該是編碼問(wèn)題我的是utf-8 查看筆趣閣發(fā)現(xiàn)是gdk，所以我們應(yīng)該也要轉(zhuǎn)成gdk編碼的

 
 
urlencode(iconv('utf-8', 'gb2312', $BookName));//將utf轉(zhuǎn)成gd3212
 

 
 
 function search_book($bookName){
      //  $url_book='https://www.52bqg.com/modules/article/search.php?searchkey='.urlencode($bookName);
       $url_book='https://www.52bqg.com/modules/article/search.php?searchkey='. urlencode(iconv('utf-8', 'gb2312', $bookName));
 
      //dump($url_book);
       $ch = curl_init();
        $this_header = array(
        "content-type: application/x-www-form-urlencoded; 
        charset=gbk"
        );
        curl_setopt($ch,CURLOPT_HTTPHEADER,$this_header);//定義頭部
        curl_setopt ($ch, CURLOPT_URL,$url_book);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
        curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT,20);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false); //必須添加，不加訪問(wèn)不了https（ ssl證書(shū)）
        curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);//同上
        $err=curl_error($ch);
        $res = curl_exec($ch);
        dump($res);exit;
        curl_close($ch);
       
        return $res;
}
 
獲取內(nèi)容后查找抓取的頁(yè)面內(nèi)容：
 

 
發(fā)現(xiàn)亂碼了，所以還是編碼問(wèn)題要將gdk轉(zhuǎn)回utf-8：
$res=mb_convert_encoding($res, 'UTF-8', 'UTF-8,GBK,GB2312,BIG5');//使用該函數(shù)對(duì)結(jié)果進(jìn)行轉(zhuǎn)碼
 
內(nèi)容抓取到我們就要提取我們需要的內(nèi)容：

比如這個(gè)目錄搜索結(jié)果，可直接用正則提取這個(gè)樣式下的內(nèi)容，也可以更細(xì)致的提取每一個(gè)的內(nèi)容
查看網(wǎng)站結(jié)果 發(fā)現(xiàn) s1 （小說(shuō)類(lèi)型） ，s2（小說(shuō)名-鏈接） ，s3（最新章節(jié)），
s4(作者)，s5（更新時(shí)間），s7（狀態(tài)）

 
用正則把每個(gè)內(nèi)容都取出來(lái)：
$rule="/<span class=\"s1\".*?>.*?<\/span>/is";//小說(shuō)類(lèi)型
        $rule2="/<span class=\"s2\".*?>.*?<\/span>/is";//小說(shuō)名
        $rule3="/<span class=\"s3\".*?>.*?<\/span>/is";//最新章節(jié)
        $rule4="/<span class=\"s4\".*?>.*?<\/span>/is";//作者
        $rule5="/<span class=\"s5\".*?>.*?<\/span>/is";//更新時(shí)間
        $rule6="/<span class=\"s7\".*?>.*?<\/span>/is";//狀態(tài)
        $url_rule='/(?<=href=\")[^\"]+(?=\")/';//書(shū)籍鏈接
        $news_html='';
         /*獲取內(nèi)容*/
        preg_match_all($rule,$html,$news_html['type']);
        preg_match_all($rule2,$html,$news_html['name']);
        preg_match_all($rule3,$html,$news_html['news']);
        preg_match_all($rule4,$html,$news_html['author']);
        preg_match_all($rule5,$html,$news_html['time']);
        preg_match_all($rule6,$html,$news_html['status']);
 
這是我們自己的前端展示的內(nèi)容.

 
獲取數(shù)據(jù)分頁(yè)  后面加上page參數(shù)就可以了；具體方法都是一樣的，就是很繁瑣，可以根據(jù)結(jié)構(gòu)優(yōu)化一下正則.

 
 
然后上面獲取了書(shū)籍的鏈接，就可以用同樣的流程獲取書(shū)籍的封面，章節(jié)等信息。所以想白嫖又不想看垃圾廣告還是要花的時(shí)間去弄的，后期有時(shí)間可以將數(shù)據(jù)記錄在自己的數(shù)據(jù)庫(kù).防止網(wǎng)站改版被封.