转：php小偷程序的一些笔记

引用

最近花3个晚上时间写了一个小偷程序，之所以这么长时间是因为一切都是用php写的，php函数的强大再次让我兴奋….
关于小偷程序获取目标网页的方式很多常见的是fopen，curl。fopen就不必解释了。curl的功能很强大几乎是小偷程序首选。可以登录，甚至发送信息….可以搞群发或者帮你更新Twitter等等….
我的目标页是utf-8获取数据后需要转换为gb2312，来进行数据处理与存储，google一下发现很多复杂的方法实际上：mb_convert_encoding($data, “gb2312″, “utf-8″);就可以完美完成！
使用正则表达式提取一下某些数据，preg_match_all最好可以匹配出所以情况并输出数组，自己看看需要的数据在哪，然后提取就行了。
目标页我想要的内容里竟然有非常多的超链接，不可容忍，用正则表达式的方式搞定的话非累死你不可而且效率也不会很高，用：strip_tags($data,”<div><p><span><img><strong><br>”);在该函数的第一个选项里填上需要保留的html标签，没有填写的比如现在的<a><ul><li>等全部会被干掉而且效率超高…
获取的信息大部分是html代码由于转义问题执行sql的时候会失败：addslashes函数就可以自动为字符串添加转义。
分割目标页的时候explode比较好用 这里提供一个函数也是google来的在情况复杂目标页的情况下很好用

复制代码 1function cut($file, $from, $end) { 2$message = explode($from, $file); 3$message = explode($end, $message[2]); 4return $message[0];}

关于定时功能我想了一个笨办法哈哈，那就是我是需要每小时获取一次新数据的小偷程序，总不能使用计划任务吧以后转到linux平台咋办？每个用户访问都去偷一下 服务器又吃不消。我是这样的先使用data获取H也就是24小时制数字，比如19点执行完一次偷窃后写入现在的小时，以后每个用户访问的时候判断一下sql了存储的小时对比现在的小时如果不相等那就是超过一小时了，执行偷并再次更新时间为当前小时也就相等了下次不执行偷。如果偷取出现错误，我设置了错误处理情况是：不偷，但更新时间为当前然后发信给我提示。这样数据还可以继续被用户查看，又不影响下次执行，也许对方服务器一小时后就已经恢复了 嘎嘎不恢复我们也能挺住很久知道管理员插手处理…
怎么样有点意思的思路吧？按天按分钟按月按年都可以，但是按N小时等方法这就不适用了