php网页爬虫 怎样处理重定向

在PHP中，处理网页爬虫的重定向可以通过检查HTTP响应头中的Location字段来实现。当服务器返回一个重定向响应（通常是HTTP状态码为301或302）时，Location字段会包含新的URL。你可以使用PHP的getallheaders()函数来获取这些信息，并据此更新你要爬取的URL。

以下是一个简单的示例，展示了如何在PHP中处理重定向：

<?php
function getUrlContent($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true); // 跟随重定向
    curl_setopt($ch, CURLOPT_MAXREDIRS, 10); // 限制最大重定向次数

    $content = curl_exec($ch);
    $responseCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
    $redirectUrl = curl_getinfo($ch, CURLINFO_EFFECTIVE_URL); // 获取最终URL

    curl_close($ch);

    if ($responseCode == 301 || $responseCode == 302) {
        // 如果响应码是重定向，递归调用getUrlContent函数
        return getUrlContent($redirectUrl);
    } else {
        // 返回页面内容
        return $content;
    }
}

$url = 'http://example.com/some-redirect-url';
$content = getUrlContent($url);
echo $content;
?>

在这个示例中，我们定义了一个名为getUrlContent的函数，它接受一个URL作为参数。我们使用curl_init()初始化一个新的cURL会话，并使用curl_setopt()设置各种选项。我们将CURLOPT_FOLLOWLOCATION设置为true，以便cURL自动处理重定向。我们还设置了CURLOPT_MAXREDIRS以限制最大重定向次数，以防止无限循环。

在获取内容后，我们检查HTTP响应码是否为301或302（表示重定向）。如果是重定向，我们递归调用getUrlContent函数并传递新的URL。如果不是重定向，我们返回页面内容。

请注意，这个示例使用了cURL库，它是PHP的一个内置库。如果你的环境中没有启用cURL，你需要先启用它。