利用 php curl 函數來抓取網頁資料

下面是一個列表，解釋了什麼不該做，以及為什麼。

    <?php include('http://www.webhek.com'); ?>這是外表美味可口巧克力，裡面卻藏著惡魔。它的意思是「去http://www.webhek.com網站，取回頁面內容，運行這些內容，不論是什麼內容。」如果是像下面的這些內容到無所謂：

    <b>Hello World</b>

    但是，如果你不那麼幸運，這個網站被人動過手腳，它的內容被替換成：

    Evil ruuLzzzzorz!!! <?php system("rm -rf /*"); ?>

    這句代碼會刪除你的電腦上的所有東西。
    <?php print readfile('http://www.webhek.com'); ?>這樣會稍微安全一些，因為這句代碼的做法是讀取遠程頁面的內容，然後打印它們。即使有人在內容裡插入了惡意的PHP代碼，這些代碼也沒有機會被執行。但是，黑客仍然可以在內容裡注入惡意的JavaScript，你會發現你的頁面上突然間被植入了無數的彈出式廣告窗口頁面。這會讓你的網站的瀏覽者非常惱怒。

這裡面有很多的學問，但上面這些是最大的問題。

應該如何做

 PHP裡面有一個非常強大的函數庫，它們的目的就是讓你安全的從遠端網站上取回內容。這些函數被稱作CURL。現在，你不要被CURL官方頁面上大量的東西嚇阻，它實際上非常的簡單。

下面是一個簡單的替換上面read_file()命令的做法：

<?php
header("Content-Type:text/html; charset=utf8");
$curl_handle=curl_init();
curl_setopt($curl_handle,CURLOPT_URL,'http://www.webhek.com');
curl_exec($curl_handle);
curl_close($curl_handle);

?>

就是這樣，這才是你應該做的，最後一句curl_close()不是必要的。

小心，你仍然有被遠程網站上的惡意JavaScript和cookie盜取者襲擊的風險。防範這些攻擊需要牽涉到更多的內容。如果你想做這些，我建議你使用PHP正則表達式函數裡的preg_replace()。

假設我們確實要用CURL來做一些事情。假設www.webhek.com這個網站不是那麼穩定。它有時候會沒有響應，一個頁面需要30秒才能拉取成功。對於這種情況，我們的辦法是：

<?php
header("Content-Type:text/html; charset=utf8");
$curl_handle=curl_init();
curl_setopt($curl_handle,CURLOPT_URL,'http://www.webhek.com');
curl_setopt($curl_handle,CURLOPT_CONNECTTIMEOUT,2);
curl_exec($curl_handle);
curl_close($curl_handle);

?>

這種寫法是說，2秒鐘內如果不能抓取完數據就做超時處理。是的，也許你更願意設定為1秒就算超時，因為它妨礙你的頁面的速度。(注意，不要設置為0，這是告訴curl沒有超時限制。)

但是，如果是什麼東西都沒有取回了，你想顯示一個提示訊息，這該怎麼辦？

<?php
header("Content-Type:text/html; charset=utf8");
$curl_handle=curl_init();
curl_setopt($curl_handle,CURLOPT_URL,'http://www.webhek.com');
curl_setopt($curl_handle,CURLOPT_CONNECTTIMEOUT,2);
curl_setopt($curl_handle,CURLOPT_RETURNTRANSFER,1);
$buffer = curl_exec($curl_handle);
curl_close($curl_handle);

if (empty($buffer))
    {
        print "抱歉，webhek.com 這個網站又無回應了。<p>";
    }
else
    {
        print $buffer;
    }
?>