3

我想从另一个网站动态检索html内容，我有公司的许可。

请不要将我指向 JSONP，因为我无法编辑站点 A，只能编辑站点 B

4

1 回答 1

6

由于跨域安全问题，您将无法在客户端执行此操作，除非您对iframe.

使用 PHP，您可以使用多种“抓取”内容的方法。您使用的方法取决于您是否需要在请求中使用 cookie（即数据在登录后）。

无论哪种方式，要从客户端开始，您将向您自己的服务器发出标准 AJAX 请求：

$.ajax({
  type: "POST",
  url: "localProxy.php",
  data: {url: "maybe_send_your_url_here.php?product_id=1"}
}).done(function( html ) {
   // do something with your HTML!
});

如果您需要设置 cookie（如果远程站点需要登录，则需要它们），您将使用 cURL。使用发布数据登录和接受 cookie 的完整机制有点超出此答案的范围，但您的请求看起来像这样：

$ch = curl_init(); 
curl_setopt ($ch, CURLOPT_URL, 'http://thirdpartydomain.internet/login_url.php'); 
curl_setopt ($ch, CURLOPT_SSL_VERIFYPEER, FALSE); 
curl_setopt ($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.6"); 
curl_setopt ($ch, CURLOPT_TIMEOUT, 60); 
curl_setopt ($ch, CURLOPT_FOLLOWLOCATION, 0); 
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); 
curl_setopt ($ch, CURLOPT_COOKIEJAR, 'cookie.jar'); 
curl_setopt ($ch, CURLOPT_POSTFIELDS, 'email='.$username.'&password='.$password); 
curl_setopt ($ch, CURLOPT_POST, 1); 
$result = curl_exec ($ch); 
curl_close($ch);

此时，您可以检查$result变量并确保登录有效。如果是这样，您将使用 cURL 发出另一个请求以获取页面内容。第二个请求不会包含所有帖子垃圾，您将使用您尝试获取的 URL。您最终会得到一个充满 HTML 的大字符串。

如果您只需要该页面的一部分内容，您可以使用下面的方法将字符串加载到 DomDocument 中，使用该loadHTML方法代替loadHTMLFile（见下文）

说到DomDocument，如果你不需要cookies，那么你可以直接使用DomDocument来获取页面，跳过cURL：

$doc = new DOMDocument('1.0', 'UTF-8');
// load the string into the DOM (this is your page's HTML), see below for more info
$doc->loadHTMLFile ('http://third_party_url_here.php?query=string');

// since we are working with HTML fragments here, remove <!DOCTYPE 
$doc->removeChild($doc->firstChild);            

// remove <html></html> and any junk
$body = $doc->getElementsByTagName('body'); 
$doc->replaceChild($body->item(0), $doc->firstChild);

// now, you can get any portion of the html (target a div, for example) using familiar DOM methods

// echo the HTML (or desired portion thereof)
die($doc->saveHTML());

文档

于 2012-07-11T19:09:32.807 回答