从其他站点获取更新信息并使用 PHP 在您的站点上发布答案

【问题标题】：Obtain updated information from other sites and post on your site in PHP从其他站点获取更新信息并使用 PHP 在您的站点上发布
【发布时间】：2011-05-24 12:16:24
【问题描述】：

大家好，

我已经建立了一个现有的网站。我想知道，当另一个网站也更新时，我的网站如何自动更新？这实质上意味着我现有的站点将在更新时从其他站点获取成本、描述、图像等信息。

我在考虑网络服务，但其他网站没有。

请指教！

谢谢！

【问题讨论】：

我猜你不能在另一个网站上改变任何东西，就在你的网站上？
其他网站是否有任何类型的 API？
@deceze - 是的，什么都改变不了
@Austin L. - 没有 api 或任何东西......嗯......我应该建立一些东西来窃取信息吗？听起来不对...
在没有任何 API 的情况下从另一个站点提取信息非常棘手。您可以探索构建某种类型的脚本，该脚本将表达其他站点的 HTML 并提取某些信息。然而，它的成功很大程度上取决于其他网站的编码程度以及它们的 HTML 标签的具体程度。

标签： php web-services web-applications

【解决方案1】：

如果其他网站没有 API，您唯一的选择是网页抓取，即下载 HTML 并对其进行解析以提取您想要的信息。

如果他们的页面结构不经常改变，这通常是可靠的。

您可能希望使用 PHP 的 DomDocument 来提取信息。

一般来说，人们不喜欢它，因为设计糟糕的工具会占用他们的系统资源，因为生成整个 HTML 页面比生成 API 响应更耗费资源。

页面抓取相当普遍，尽管有些人不鼓励它。它可能会被网站的 TOU 禁止，可能会产生法律影响。或者，您的目标站点可能没有问题。当然也有大型企业建立在页面抓取之上（参见“Google”）。

【讨论】：

Hrm... 我想 Google 会被视为页面抓取工具。以前从来没有这样想过。我想我会更担心有人窃取我的内容，而不是对我的服务器征税。