curl之采集QQ空间留言

目录

• 主要流程解析
• 注意事项
• 扩展
• 完整代码示例
• 采集效果一览

主要流程解析

• 首先，打开浏览器登录QQ空间并访问留言列表
  
• 由于QQ空间的链接是https，curl方式请求https链接需要突破https认证，这就需要下载cacert.pem，下面请看cacert.pem的部署步骤

1、将下载的`cacert.pem`文件放至php安装目录下，比如："D:wampinphpphp5.5.12";
2、在php.ini文件末尾追加以下配置

curl.cainfo="D:/wamp/bin/php/php5.5.12/cacert.pem"
openssl.cafile="D:/wamp/bin/php/php5.5.12/cacert.pem"
3、重启wamp服务器
4、上面步骤操作完毕，即可用curl方式访问QQ空间数据了

注意事项

• 1、一定要设置时区为中国时区（避免cookie不同时区而自动过期）
• 2、在PHP 的命令行模式下执行（避免超时问题）
  

扩展

通过QQ空间留言的采集，可以扩展下，比如采集空间日志、说说、图片，再比如，可以尝试刷留言（最好定时执行刷留言）。

完整代码示例

<?php

date_default_timezone_set('PRC');
//内存无限制
ini_set('limit_memory', -1);
//代码执行不超时
set_time_limit(0);

//爬取QQ空间留言url
$baseUrl = "https://user.qzone.qq.com/proxy/domain/m.qzone.qq.com/cgi-bin/new/get_msgb?";

////查找留言下一页规律
//第一页
//uin=928692509&hostUin=928692509&start=0&s=0.4852990803750179&format=jsonp&num=10&inCharset=utf-8&outCharset=utf-8&g_tk=1467544760&qzonetoken=e1fa4e2c8b873a4bf33b86e6f4838942ed7a538c10b5b8cb52e2bf4a959d253f90691c5ed8b045ada7&g_tk=1467544760
//第二页
//uin=928692509&hostUin=928692509&start=10&s=0.4852990803750179&format=jsonp&num=10&inCharset=utf-8&outCharset=utf-8&g_tk=1467544760&qzonetoken=e1fa4e2c8b873a4bf33b86e6f4838942ed7a538c10b5b8cb52e2bf4a959d253f90691c5ed8b045ada7&g_tk=1467544760

//爬取QQ空间留言（自己或QQ好友）
$hostUinArr = [
		'1270612806'=>'飞得更高', '928692509'=>'Burning', '2075425089'=>'怒放的生命'
	];

//遍历采集QQ好友空间留言
foreach($hostUinArr as $hostUin=>$qqName) {
	downloadHostUinMessage($baseUrl, $hostUin, $qqName);
}

//以好友名称为目录，将下载下来的留言单独存放
function downloadHostUinMessage($baseUrl, $hostUin, $qqName){
	$qqName = iconv('UTF-8', 'GBK', $qqName);
	$dir = './qqMessage/'.$qqName;
	
	if(!is_dir($dir)) {
		mkdir($dir, 0777, true);
	}
	
	$totalPages = 1;
	
	for($i=0; $i<$totalPages; $i++){
		$start = $i*10;
		$params = "uin=928692509&hostUin={$hostUin}&start={$start}&s=0.4852990803750179&format=jsonp&num=10&inCharset=utf-8&outCharset=utf-8&g_tk=1467544760&qzonetoken=e1fa4e2c8b873a4bf33b86e6f4838942ed7a538c10b5b8cb52e2bf4a959d253f90691c5ed8b045ada7&g_tk=1467544760";
		
		$url = $baseUrl . $params;
		$iContent = qqCommentCurl($url);
		
		$iContent = str_replace('_Callback(', '', $iContent);
		$iContent = trim(substr($iContent, 0, -2));
		//计算总页数，保证留言采集完
		if($totalPages == 1) {
			$iContentObj = json_decode($iContent);
			if(isset($iContentObj->code) && $iContentObj->code == 0) {
				$dataObj = $iContentObj->data;
				$totalPages = ceil($dataObj->total/10);
			} else {
				//结束
				return false;
			}
		}
		
		file_put_contents($dir.'/'.$hostUin.'_'.$i.'.txt', $iContent);
	}
}

/**
 * @author RenZhicai
 * QQ空间留言请求curl
 * @param type $url
 * @return type
 */
function qqCommentCurl($url='')
{
    $ch = curl_init();
	//需要获取的 URL 地址，也可以在curl_init() 初始化会话的时候。
    curl_setopt($ch, CURLOPT_URL, $url);
	//TRUE 将curl_exec()获取的信息以字符串返回，而不是直接输出。
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
	if(preg_match('/http:///', $url)) {
		//FALSE 禁止 cURL 验证对等证书（peer's certificate）。要验证的交换证书可以在 CURLOPT_CAINFO 选项中设置，或在 CURLOPT_CAPATH中设置证书目录。
		curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false); //这个是重点。
	}
	
	//启用时会将头文件的信息作为数据流输出。
	curl_setopt($ch, CURLOPT_HEADER, 0); 
	//TRUE 时将会根据服务器返回 HTTP 头中的 "Location: " 重定向。（注意：这是递归的，"Location: " 发送几次就重定向几次，除非设置了 CURLOPT_MAXREDIRS，限制最大重定向次数。）。
	curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); // 这样能够让cURL支持页面链接跳转

	//header头信息
	$headerArr = [
		"accept-language: zh-CN,zh;q=0.8",
		"user-agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36"
	];
	//设置 HTTP 头字段的数组。格式： array('Content-type: text/plain', 'Content-length: 100')
	curl_setopt($ch, CURLOPT_HTTPHEADER, $headerArr);
	
	curl_setopt($ch, CURLOPT_AUTOREFERER, true);
	
	//设置新的cookie，忽略之前会话时存的cookie
	curl_setopt($ch, CURLOPT_COOKIESESSION, TRUE);
	//包含 cookie 数据的文件名
	curl_setopt($ch, CURLOPT_COOKIEFILE, 'daoyancookiefile');
	//连接结束后，比如，调用 curl_close 后，保存 cookie 信息的文件。
	curl_setopt($ch, CURLOPT_COOKIEJAR, 'daoyancookiefile');

	//登录后的cookie信息	
	$cookieStr = "cookie: pgv_pvi=9803880448; tvfe_boss_uuid=7aa8e6046d68c6a2; RK=qBcndcbOTD; eas_sid=K1s5q0V8H8N5B4c1j9e2L0D8W3; pgv_pvid=8596381360; o_cookie=928692509; __Q_w_s_hat_seed=1; __Q_w_s__QZN_TodoMsgCnt=1; ptcz=dab5485d33e04f8612e84673ce0609bdcae13f792156f92dccf5a9784988a16a; uin=o0928692509; skey=@CgmH4oeQ8; pt2gguin=o0928692509; p_uin=o0928692509; pt4_token=Lub2nMWbTLfbx0TYxH*uyDBOU4tEBXvKvv0JNQRQuGo_; p_skey=MxE5cMJA2xHQ8BXgpbVqSL3hgeoEfcq-quN1kvcUrcQ_; pgv_info=ssid=s7150557986; Loading=Yes; qz_screen=1366x768; qqmusic_uin=; qqmusic_key=; qqmusic_fromtag=; qzmusicplayer=qzone_player_928692509_1509368391144; QZ_FE_WEBP_SUPPORT=1; cpu_performance_v8=6";
	//设定 HTTP 请求中"Cookie: "部分的内容。多个 cookie 用分号分隔，分号后带一个空格(例如， "fruit=apple; colour=red")。
	curl_setopt($ch, CURLOPT_COOKIE, $cookieStr);

    $output = curl_exec($ch);
	if($output === false){
                //记录curl请求失败的详情
		$errorInfo = "cURL Error: ".curl_error($ch);
		file_put_contents('curl_error_'.date('YmdHis').'.txt', $errorInfo);
	}
	
    curl_close($ch);

    return $output;
}

采集效果一览