当前位置：首页 → 问答吧 → PHP 编程获取网站的 Alexa 排名

PHP 编程获取网站的 Alexa 排名

时间：2008-09-18

来源：互联网

《PHPChina“美丽的代码”征集活动》投稿：PHP 编程获取网站的 Alexa 排名

编程需求及其原理：
为了获取 Alexa 的网站排名数据，提供网站排名服务。打算提取 Alexa.com 的查询结果页面数据，但是数据并不能简单、直接地得到，因为 Alexa 使用了干扰码技术，使得编程变得困难和繁琐。
但是从理论上讲，只要能在页面上看到的信息，除过图片识别现在还是个顶尖技术以外，文字信息都可能通过抓取页面得到源文件，再进行分析而得到具体的数据。本代码就是通过分析 Alexa 的查询结果，过滤掉干扰码。得到实际的数据。
例如，Alexa 的查询结果得到网站的排名是“557354”，但是得到相关的Html代码是：
61557,78354
这是一串混杂了干扰码的数据，夹杂在...中的数字，通过样式表控制其可见或不可见，可见的是有用的数字，不可见的是干扰数字。
本例中，61和78是干扰码。样式表类 .ca53 和 .c8a7 的定义是：
.ca53 {display: none}
.c8a7 {display: none}
所有干扰码的定义样式文件是：http://client.alexa.com/common/css/scramble.css。
我们编程的过程，就是：首先获取这一段Html代码，然后把干扰码...去除，最后得到真实的排名数据。
本段代码编程主要用了2个知识点，即网站Html代码的获取和正则表达式的正确运用。具体的编程原理请参考文章：http://blog.why100000.com/?p=272。
演示地址：http://www.why100000.com/test/alexa/alexa.php (由于alexa.com网站较慢，不能取到数据时，多试几次就可以了。)
测试的PHP版本：PHP 4.4.7，WindowsServere 2003，IIS6.0

代码自我评价：
可以完美满足当前需求。缺点是，如果将来 Alexa.com 网站改版，可能需要修改源代码。但是编程思想不变。

全部代码及其注释：
<?php
 if (isset($_POST['url']))
 {
$url = $_POST['url'];
if($url!="")
{
 $rank = getAlexaRank($url);
}
 }
?>
<Html>
<head>
 <title>获取 Alexa 的排名 PHP 测试程序</title>
 <style>
body {font-size:9pt; scrollbar-face-color:rgb(232,232,255); scrollbar-arrow-color:rgb(0,0,255)}
td {font-size:9pt}
 </style>
</head>
<body>
<table width=500 align=center>
<tr height=30 valign=bottom>
 <td align="center">获取 Alexa 的排名 PHP 测试程序</td>
</tr>
<tr height=50>
 <td align=center>
<form name="alexaform" method="post">
输入网址:<input type="text" name="url" value="<?php echo $url; ?>" size=28 title="Please enter a web address">
 <input alt="Get Traffic Details" type="image" src="./images/button_traffic.gif">
 </td></form>
</tr>
<tr height=50>
 <td align="center">
<?php
 if (isset($rank))
 echo "网站 ". $url ." 的 Alexa 排名为：【$rank】";
?>
 </td>
</tr>
</table>
<?php
 //主函数：
 function getAlexaRank($weburl)
 {
$weburl = strtolower($weburl);
$tempurl = getDomainUrl($weburl); //网站得到域名
$strAlexaCss = file_get_contents('http://client.alexa.com/common/css/scramble.css'); //得到干扰码样式表
$alexaRankQueryUrl = 'http://www.alexa.com/data/details/traffic_details/' . $tempurl; //构造查询排名的 Url 地址
$strAlexaContent = file_get_contents($alexaRankQueryUrl); //得到查询结果 Html 代码
//从以上Html代码中进一步得到包含干扰码和排名数据的 ... 代码段
$rankContent = getBody($strAlexaContent, 'Information Service.-->', '');
//echo "<xmp>$rankContent</xmp>"; //可以从这里看到... 代码段
$arrSpanClass = getArray($rankContent, ''); //得到class后的所有样式表类，保存在数组中
if ($arrSpanClass!='')
{
 foreach($arrSpanClass as $css) //遍历样式表类数组，
 {
 if (strpos($strAlexaCss, '.' . $css)>0) //如果是干扰码样式表类，删除干扰数字串
 $rankContent = ScriptHtml($rankContent, "span", 2, $css);
 else //不是干扰码样式表类，删除(会留下“有用数字串”和“”)
 $rankContent = ScriptHtml($rankContent, "span", 1, $css);
 }
 $rankContent = str_replace('', '', $rankContent); //去掉所有“”字符串
 $rankContent = str_replace(',', '', $rankContent); //去掉“,”字符串
 return $rankContent; //最后得到正确的排名数字字符串
}
else
 return 'No Data.';
 }
 //得到包含干扰码的...组成的 Html 代码段
 function getBody($ContentStr, $StartStr, $EndStr)
 {
$ContentStr = strtolower($ContentStr);
$StartStr = strtolower($StartStr);
$EndStr = strtolower($EndStr);
$StartPos = strpos($ContentStr, $StartStr);
$EndPos = strpos($ContentStr, $EndStr);
return substr($ContentStr, $StartPos+strlen($StartStr), $EndPos-$StartPos-strlen($StartStr));
 }
 //得到class后的所有样式表类，保存在数组中
 function getArray($ContentStr, $StartStr, $EndStr)
 {
$reg = '/' . $StartStr . '.+?' . $EndStr . '/';
preg_match_all($reg, $ContentStr, $arr, PREG_PATTERN_ORDER);
for($i=0; $i<count($arr[0]); $i++)
{ //得到的数组元素包含 $StartStr 和 $EndStr 字符串，去掉它们：
 $arr[0][$i] = str_replace($EndStr, '', str_replace($StartStr, '', $arr[0][$i]));
}
if (trim($arr[0])=='')
 return '';
else
 return $arr[0];
 }
 //去掉协议头“http://”和网址中的“/”等符号，得到网站域名
 function getDomainUrl($url)
 {
$tempUrl = str_replace('http://', '', $url);
$tempUrl = str_replace('/', '', $tempUrl);
return $tempUrl;
 }
 //把 $ContentStr 中匹配内容用空字符串替换
 //本程序代码用来替换......字符串中的span标签为空，也就是删除
 //$ContentStr：被操作的字符串
 //$TagName：标签名
 //$FType：替换的类型
 //$includestr：包含的字符串
 function ScriptHtml($ContentStr, $TagName, $FType, $includestr)
 {
switch ($FType)
{
 case 1: //删除匹配的
 $Pattern = '/<' . $TagName . '([^>])*(' . $includestr . '){1,}([^>])*>/i';
 $ContentStr = preg_replace($Pattern, '', $ContentStr);
 break;
 case 2: //删除匹配的...
 $Pattern = '/<' . $TagName . '([^>])*(' . $includestr . '){1,}([^>])*>.*?<\/' . $TagName . '([^>])*>/i';
 $ContentStr = preg_replace($Pattern, '', $ContentStr);
 break;
 case 3: //删除匹配的和，留下...中间内容
 $Pattern = '/<' . $TagName . '([^>])*(' . $includestr . '){1,}([^>])*>/i';
 $ContentStr = preg_replace($Pattern, '', $ContentStr);
 $Pattern = '/<\/' . $TagName . '([^>])*>/i';
 $ContentStr = preg_replace($Pattern, '', $ContentStr);
 break;
 default:
 echo 'error';
}
return $ContentStr;
 }
?>
作者：张庆（西安市）2008-9-18 1:29
参考文章：http://blog.why100000.com/?p=272
测试网址：http://www.why100000.com/test/alexa/alexa.php
或：http://why100000.com/test/alexa/alexa.php

作者: 西安PHPer 发布时间: 2008-09-18

这个很有用处,可以嵌入在网站首页,让站长随时了解到网站的排名变化!
楼主又对ALEXA的排名数据进行了详细讲解,真的非常感谢!

作者: RICHARD 发布时间: 2008-09-18

本人有《代码之美》也就是《Beautiful Code》的英文版，Pdf文件，4M 多。谁需要，留下Email，发送给你。