如何用php 編寫網路爬蟲？

如何用PHP語言編寫網路爬蟲？
1.別跟我說PHP不適合幹這個，我不想為了寫爬蟲專門學一門新的語言，我知道它能實現
2.我又一定的PHP編程基礎，熟悉資料結構與演算法，有一般的網路基礎知識，比如TCP/IP協議等概念
3.能否提供具體書籍名稱，網路文章名
4.我可以貪心的求源碼嗎？
謝謝！

回複內容：

• pcntl_fork或者swoole_process實現多進程並發。按照每個網頁抓取耗時500ms，開200個進程，可以實現每秒400個頁面的抓取。
  
• curl實現頁面抓取，設定cookie可以實現類比登入
  
• simple_html_dom 實現頁面的解析和DOM處理
• 如果想要類比瀏覽器，可以使用casperJS。用swoole擴充封裝一個服務介面給PHP層調用

在多玩網這裡有一套爬蟲系統就是基於上述技術方案實現的，每天會抓取幾千萬個頁面。你需要這個-Goutte, a simple PHP Web Scraper-FriendsOfPHP/Goutte · GitHub USTC Spider 這就是用PHP寫的，每隔一段時間抓取一下目標網站，將資料寫入本地，然後直接讀取本地檔案即可。php實現內容爬蟲不難，樓上說的curl，selenium已經幾乎可以完成所有可能的任務了。但是，如果還想進行內容處理，最好還是能加上一個可以處理使用者互動的東西，casperjs就是啦。《Webbots、Spiders和Screen Scrapers：技術解析與應用實踐》下午剛寫的一個 通過關鍵詞抓取符合要求的豆瓣小組的資訊 ，很糙。也是剛開始學。
有個問題就是老被封, 還在想怎麼解決...
還有就是太慢了... 單線程做的. 我看投票最多的答案還挺好的。準備繼續改造改造。php類比登入教務系統,測試時顯示登入成功但是頁面沒有跳轉出來最簡單的用Regex+get_file_contents即可實現爬蟲

