大数据时代下，爬虫行业被更多人知道并选择进入，作为爬虫我们都知道数据采集指的是我们向目标网站发出请求，然后获取到数据后把有用数据提取的程序。所需要用到的技术就是模拟浏览器向站点发出请求行为，把站点返回的各种数据保存到本地在进行有用数据的过滤。

爬虫的框架有很多，Scrapy是用纯Python实现一个为了爬取网站数据、提取结构性数据而编写的应用框架，用途非常广泛。这几天有接触PHP，发现使用php框架，你不用了解爬虫的底层技术实现，爬虫被网站屏蔽、有些网站需要登录或验证码识别才能爬取等问题。简单几行PHP代码，就可以创建自己的爬虫，利用框架封装的多进程Worker类库，代码更简洁，执行效率更高速度更快。简单的使用这个框架爬取了一些数据，发现还是挺方便的。

代理IP一直都是爬虫的重点，这里放下php程序直中配置代理的简单示例，为自己的学习做个小笔记。

Plain Text

<?php

// 要访问的目标页面

$url = "http://httpbin.org/ip";

$urls = "https://httpbin.org/ip";

// 代理服务器(产品官网 www.16yun.cn)

define("PROXY_SERVER", "tcp://t.16yun.cn:31111");

// 代理身份信息

define("PROXY_USER", "username");

define("PROXY_PASS", "password");

$proxyAuth = base64_encode(PROXY_USER . ":" . PROXY_PASS);

// 设置 Proxy tunnel

$tunnel = rand(1,10000);

$headers = implode("\r\n", [

"Proxy-Authorization: Basic {$proxyAuth}",

"Proxy-Tunnel: ${tunnel}",

]);

$sniServer = parse\_url($urls, PHP_URL_HOST);

$options = [

"http" => [

"proxy" => PROXY_SERVER,

"header" => $headers,

"method" => "GET",

'request_fulluri' => true,

],

'ssl' => array(

'SNI_enabled' => true, // Disable SNI for https over http proxies

'SNI_server_name' => $sniServer

)

];

print($url);

$context = stream\_context\_create($options);

$result = file\_get\_contents($url, false, $context);

var_dump($result);

// 访问 HTTPS 页面

print($urls);

$context = stream\_context\_create($options);

$result = file\_get\_contents($urls, false, $context);

var_dump($result);

虽然只是一段小小的示例，但是也是自己学习路上的基石，希望自己可以积土成山，学到更多的技术攻破更多的关于爬虫的有关难题。