2

こんにちは、cUrl で解析したいドメインがあります。

私がドメインに行くときhttp://register.metsad.ee/avalik/info_teatis.php?too_id=2942704201

[ register.metsad.ee/avalik/info_teatis.php?too_id=2942704201 ] にリダイレクトされます

http://www がなくても同じことです。解析に使用するコードは次のとおりです。

function get_data($url) {
        $ch = curl_init();
        $timeout = 5;
        curl_setopt($ch, CURLOPT_URL, $url);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
        curl_setopt($ch, CURLOPT_MAXREDIRS, 10);
        curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
        $data = curl_exec($ch);
        curl_close($ch);
        return $data;
    }
$src = 'http://register.metsad.ee/avalik/info_teatis.php?too_id=2942704201';

そして$c = get_data($src); echo $c; 結果として、空白の白いページが表示されます。また、次のように Simple_Html_Dom パーサーを試しました。

echo file_get_html($src)->plaintext;

しかし、まだ空白の白いページが表示されます。http:// なしで解析しようとすると、エラーが発生します

Warning: file_get_contents(register.metsad.ee/avalik/info_teatis.php?too_id=2942704201) [function.file-get-contents]: failed to open stream: Result too large in C:\xampp\htdocs\Trash\metsakontroll\system\c_simple_html_dom.php on line 70

cUrl はまだ白い画面を表示し、効果はありません。次のようなフォルダーのように解析しようとしたとき:

http://www.metsad.ee/register/avalik/info_teatis.php?too_id=2942704201その後、サーバーはNot Foundと言う

インターネット全体を検索しました =/ cUrl または Simple_html_dom を介してそのページを読む方法はありますか?

4

1 に答える 1

2

register.metsad.ee 側には何らかの保護があります。User-Agentヘッダーが設定されるまで空の応答を返します。

呼び出しに失敗しました (空の応答):

feedbee@server:~$ telnet register.metsad.ee 80
Trying 213.184.43.115...
Connected to register.metsad.ee.
Escape character is '^]'.
GET /avalik/info_teatis.php?too_id=2942704201 HTTP/1.1
Host: register.metsad.ee

HTTP/1.1 200 OK
Date: Thu, 13 Dec 2012 20:07:11 GMT
Server: Apache
Content-Length: 0
Content-Type: text/html; charset=UTF-8

呼び出しが成功しました (HTML ページが返されました):

feedbee@server:~$ telnet register.metsad.ee 80
GET http://register.metsad.ee/avalik/info_teatis.php?too_id=2942704201 HTTP/1.1
Host: register.metsad.ee
User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64; rv:12.0) Gecko/20100101 Firefox/12.0

HTTP/1.1 200 OK
Date: Thu, 13 Dec 2012 20:13:07 GMT
Server: Apache
Expires: Thu, 19 Nov 1981 08:52:00 GMT
Cache-Control: no-store, no-cache, must-revalidate, post-check=0, pre-check=0
Pragma: no-cache
Set-Cookie: SNS=a0e425c2aec17c38be3716b366f75749; path=/
Transfer-Encoding: chunked
Content-Type: text/html; charset=UTF-8

762
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
...

したがって、次の行を次のように追加する必要があります。

curl_setopt($ch, So you need to add CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:12.0) Gecko/20100101 Firefox/12.0"); for example (or any other user agent string).
于 2012-12-13T20:14:20.510 に答える