PHP网页抓取之抓取百度贴吧邮箱数据代码分享

百度贴吧大家都经常逛，去逛百度贴吧的时候，经常会看到楼主分享一些资源，要求留下邮箱，楼主才给发。

对于一个热门的帖子，留下的邮箱数量是非常多的，楼主需要一个一个的去复制那些回复的邮箱，然后再粘贴发送邮件，不是被折磨死就是被累死。无聊至极写了一个抓取百度贴吧邮箱数据的程序，需要的拿走。

程序实现了一键抓取帖子全部邮箱和分页抓取邮箱两个功能，界面懒得做了，效果如下：

老规矩，直接贴源码

    <?php
    $url2="";
    $page="";
    if($_GET['url2']==""){
    $url2="http://tieba.baidu.com/p/2314539885?pn=1";
    }else{
    $url2=$_GET['url2'];
    }

    if($_GET['page']==""){
    $page="1";
    }else{
    $page=$_GET['page'];
    }
    ?>
    <form action="" method="get">
    <input type="hidden" value="getAll" name="type" />
    <table>
    <tr>
    <td>帖子链接：</td><td><input type="text" name="url" value="http://tieba.baidu.com/p/2314539885" style="width:300px;" /></td>
    </tr>
    <tr>
    <td>总页数：</td><td><input type="text" name="page" style="width:300px;" value="<?php echo $page;?>" /></td>
    </tr>
    <tr>
    <td colspan=2><input type="submit" value="抓取全部邮箱数据" /></td>
    </tr>
    </table>
    </form>

    <form action="" method="get">
    <input type="hidden" value="getNow" name="type" />
    <table>
    <tr>
    <td>帖子链接：</td><td><input type="text" name="url2" value="<?php echo $url2;?>" style="width:300px;" /></td>
    </tr>
    <tr>
    <td colspan=2><input type="submit" value="抓取当前页面邮箱数据" /></td>
    </tr>
    </table>
    </form>
    <?php
    if($_GET['type']!=""){
    $counts=0;
    if($_GET['type']=="getAll"){
    $pages=$_GET['page'];
    $url = $_GET['url'];
    for($i=0;$i<$pages;$i++){
    $ch2 = curl_init();
    curl_setopt($ch2, CURLOPT_URL, $url);
    curl_setopt($ch2, CURLOPT_FOLLOWLOCATION, TRUE);
    curl_setopt($ch2, CURLOPT_SSL_VERIFYHOST, FALSE);
    curl_setopt($ch2, CURLOPT_SSL_VERIFYPEER, false);
    curl_setopt($ch2, CURLOPT_RETURNTRANSFER, TRUE);
    $texts = curl_exec($ch2);
    curl_close($ch2);
    $dat=getEmail($texts);
    for($j=0;$j<count($dat);$j++){
    echo $dat[$j]."<br />";
    $counts++;
    }
    }
    }else if($_GET['type']=="getNow"){
    $url = $_GET['url2'];
    $ch2 = curl_init();
    curl_setopt($ch2, CURLOPT_URL, $url);
    curl_setopt($ch2, CURLOPT_FOLLOWLOCATION, TRUE);
    curl_setopt($ch2, CURLOPT_SSL_VERIFYHOST, FALSE);
    curl_setopt($ch2, CURLOPT_SSL_VERIFYPEER, false);
    curl_setopt($ch2, CURLOPT_RETURNTRANSFER, TRUE);
    $texts = curl_exec($ch2);
    curl_close($ch2);
    $dat=getEmail($texts);
    for($i=0;$i<count($dat);$i++){
    echo $dat[$i]."<br />";
    $counts++;
    }
    }
    echo '<h2>共采集到数据：'.$counts.'条</h2>';
    }
    function getEmail($str){
    $pattern = "/([a-z0-9\-_\.]+@[a-z0-9]+\.[a-z0-9\-_\.]+)/"; 
    preg_match_all($pattern,$str,$emailArr); 
    return $emailArr[0]; 
    }
    ?>