通过php获取百度百科词条的真实链接的方法 - 喵宅苑 MewoGarden × 技术宅社区II

喵宅苑 MewoGarden × 技术宅社区II | Z站 Z Station 棒棒哒纯文字二次元技术社区

正文

作者:wis

[i=s] 本帖最后由 wis 于 2013-2-12 20:56 编辑今天本来想写个php脚本通过键入中文来获取指定词条的内容，却发现实现起来并不太简单。#36m 百度百科词条的URL都是为 http://baike.baidu.com/view/数字.htm ，URL跟词条内容并无直接联系；而通过百度搜索获取到的都是 http://www.baidu.com/link?url=iigPGJqjJ4zBBpC8yDF8xDhiqDSn1JZjFWsHhEoSNd85PkV8Xil-wx2n0K 之类的URL，显然是被加密过的，百度的防抓取工作还做的挺充分。上网找了下资料，发现可以对百度百科 searchword.php 的这个搜索程序入手。对 searchword.php 输入要搜索的字符（词条标题），而指定的词条存在时，它就会自动跳转到词条的真实地址。 [mw_shl_code=php,true]<?php /* ** 以下代码适合脚本在UTF-8编码下执行，若在其它编码下执行请依照注释作出适当修改 */ function geturl($string){ $string = iconv('utf-8', 'gbk', $string); //将字符转换成GBK编码，若文件为GBK编码可去掉本行 $encode = urlencode($string); //对字符进行URL编码 $url = 'http://baike.baidu.com/list-php/dispose/searchword.php?word=' .$encode. '&pic=1'; $get_contents = file_get_contents($url); //获取跳转页内容 $get_contents = iconv('gbk', 'utf-8', $get_contents); //将获取的网页转换成UTF-8编码，若文件为GBK编码可去掉本行 preg_match("/URL=(\S+)'>/s", $get_contents, $out); //获取跳转后URL $real_link = 'http://baike.baidu.com' .$out[1]; return $real_link; //输出真实地址 } echo geturl('互动百科'); //输出http://baike.baidu.com/view/1466380.htm ?>[/mw_shl_code] 运行上面的代码，脚本就会自动获取到词条的真实地址，即可接着进行抓取词条内容或其他的操作了。同时也欢迎到我的博客http://wislab.net/参观指导噢~~37!

简单粗暴易懂

作者:wis