0

在这个网络爬虫中,我不明白会话变量“页面”来自哪里?任何人都有任何想法。它从给定的网页收集所有 url,我试图破译它的作用。我做得很好,但我想知道 a) $_SESSION['page'] 来自哪里?b) 为什么 $_SESSION [i] 在 if 语句中递增。

 <?php

  session_start();

 $domain = "www.ebay.com";

  if(empty($_SESSION['page']))
  {
 $original_file = file_get_contents("http://" . $domain . "/");

 $_SESSION['i'] = 0;

  $connect = mysql_connect("xxx", "xxx", "xxxx");

  if (!$connect)
  {
  die("MySQL could not connect!");
 }

 $DB = mysql_select_db('xxx');

  if(!$DB)
 {
  die("MySQL could not select Database!");
   }
 }
   if(isset($_SESSION['page']))
    {

   $connect = mysql_connect("xxxx", "xxx", "xxx");

   if (!$connect)
 {
    die("MySQL could not connect!");
 }

  $DB = mysql_select_db('xxx');

    if(!$DB)
    {
 die("MySQL could not select Database!");
 }
   $PAGE = $_SESSION['page'];
    $original_file = file_get_contents("$PAGE");
      }

    $stripped_file = strip_tags($original_file, "<a>");
     preg_match_all("/<a(?:[^>]*)href=\"([^\"]*)\"(?:[^>]*)>(?:[^<]*)<\/a>/is", $stripped_file, $matches);

    foreach($matches[1] as $key => $value)
    {

    if(strpos($value,"http://") != 'FALSE' && strpos($value,"https://") != 'FALSE')
    {
     $New_URL = "http://" . $domain . $value;
       }
     else
       {
      $New_URL = $value;
          }
      $New_URL = addslashes($New_URL);
      $Check = mysql_query("SELECT * FROM pages WHERE url='$New_URL'");
       $Num = mysql_num_rows($Check);

       if($Num == 0)
       {
      mysql_query("INSERT INTO pages (url)
      VALUES ('$New_URL')");

       $_SESSION['i']++;

      echo $_SESSION['i'] . "";
       }
         echo mysql_error();
        }

 $RandQuery = mysql_query("SELECT DISTINCT * FROM pages ORDER BY RAND() LIMIT 0,1");
 $RandReturn = mysql_num_rows($RandQuery);
  while($row1 = mysql_fetch_assoc($RandQuery))
     {
    $_SESSION['page'] = $row1['url'];
    }


    echo $RandReturn;
    echo $_SESSION['page'];
    mysql_close();

         ?>
4

2 回答 2

1

它的代码很糟糕,但据我所知 $_SESSION['page'] 是从最后一节的数据库循环中设置的。由于会话已设置,那么下次调用 PHP 脚本时,IF 将返回 true...

爬虫代码从给定的 www 站点获取所有 A 标签并将其保存到数据库中。

于 2012-09-07T18:59:56.310 回答
0

$_SESSION['page'] 变量由您设置。您必须设置此项,会话在浏览器中创建一个 cookie 用于存储用户会话信息。在您的代码中,您检查 $_SESSION['page'] 是否存在,但您实际上从未给它一个值,因此您的代码

if (isset($_SESSION['page'])) {
    // ...
}

永远不会被执行,因为你从未设置它。$_SESSION 用于登录,例如 $_SESSION['username'], $_SESSION['user-id']

编辑:我看到你设置了它,但是当你在你的 while 循环中设置它时,你只是在每次迭代时都覆盖它,试着把它变成一个数组:

$i = 0;
while (condition) {
    $_SESSION['page'][i] = value;
    $i++;
}
于 2012-09-07T18:59:45.860 回答