PHP：採集程式

前幾天接了一個小項目，具體需求
可以任意指定一個網站網域名稱，然後就可以使用自己的網域名稱進行訪問，網站結構什麼的都跟對方的一模一樣
顯然，這是一個小偷程式吧。
實現思路：對於一般的靜態網址（比如：/2014/06/19/index.html）
當第一次訪問的時候（比如：www.xxx.com/2014/06/19/index.html）
就去采www.sohu.com/2014/06/19/index.html網頁
然後在自己的的網站根目錄下，建立相應的檔案夾和檔案（2014->06->19->index.html）
但是對於動態網址
比如：/index.php?type=news，要知道檔案夾名或檔案名稱中是不能包含一些特殊字元的
對於此，可以將一些特殊字元進行替換
但是，現在客戶又提出了一些奇葩要求，比如：需要採集下來的網站結構不要跟對方一樣，最好自訂自己的網址結構
比如：www.sohu.com/2014/06/19/index.html
結果：www.xxx.com/2014_06_19_index.html
而不是：www.xxx.com/2014/06/19/index.html
對此，大家有什麼比較好的實現方案嗎？
或者有功能比較強大的開來源程式了嗎?

回複內容：

前幾天接了一個小項目，具體需求
可以任意指定一個網站網域名稱，然後就可以使用自己的網域名稱進行訪問，網站結構什麼的都跟對方的一模一樣
顯然，這是一個小偷程式吧。
實現思路：對於一般的靜態網址（比如：/2014/06/19/index.html）
當第一次訪問的時候（比如：www.xxx.com/2014/06/19/index.html）
就去采www.sohu.com/2014/06/19/index.html網頁
然後在自己的的網站根目錄下，建立相應的檔案夾和檔案（2014->06->19->index.html）
但是對於動態網址
比如：/index.php?type=news，要知道檔案夾名或檔案名稱中是不能包含一些特殊字元的
對於此，可以將一些特殊字元進行替換
但是，現在客戶又提出了一些奇葩要求，比如：需要採集下來的網站結構不要跟對方一樣，最好自訂自己的網址結構
比如：www.sohu.com/2014/06/19/index.html
結果：www.xxx.com/2014_06_19_index.html
而不是：www.xxx.com/2014/06/19/index.html
對此，大家有什麼比較好的實現方案嗎？
或者有功能比較強大的開來源程式了嗎?

file_get_contents() 函數擷取網頁源碼
http://www.w3school.com.cn/php/func_filesystem_file_get_contents.asp

strtok() 函數對檔案名稱進行處理
http://www.w3school.com.cn/php/func_string_strtok.asp

用火車頭採集吧，這個很強大

寫個簡單的路由，然後匹配檔案就行了

反向 Proxy

CURL抓取頁面內容，然後preg_match_all匹配Regex。得到頁面上指定的內容。

先採集再分配目錄不好嗎？

