Question

将带有CSS的格式化html页面存储到MYSQL数据库的最佳方法是什么？可能吗？
列类型应该是什么？如何检索存储的格式化HTML并使用PHP正确显示？
如果我想要提取的页面有图片和视频，请显示我将页面存储为blob
使用PHP-CURL获取页面的最佳方法是什么，fopen，..-？

很多问题的人，但我真的需要你的帮助才能让我以正确的方式去做。

非常感谢。

Answer 1

非常简单，请尝试我为您制作的代码。

在数据库中获取和保存源是基础知识。

我没有提出错误处理或其他任何内容，暂时保持简单...

我没有让函数显示结果，但你可以打印$ source来查看结果。

希望这会对你有所帮助。

<?php

function GetPage($URL)
{
    #Get the source content of the URL
    $source = file_get_contents($URL);

    #Extract the raw URl from the current one
    $scheme = parse_url($URL, PHP_URL_SCHEME); //Ex: http
    $host = parse_url($URL, PHP_URL_HOST); //Ex: www.google.com
    $raw_url = $scheme . '://' . $host; //Ex: http://www.google.com

    #Replace the relative link by an absolute one
    $relative = array();
    $absolute = array();

    #String to search
    $relative[0] = '/src="\//';
    $relative[1] = '/href="\//';

    #String to remplace by
    $absolute[0] = 'src="' . $raw_url . '/';
    $absolute[1] = 'href="' . $raw_url . '/';

    $source = preg_replace($relative, $absolute, $source); //Ex: src="/image/google.png" to src="http://www.google.com/image/google.png"

    return $source;
}

function SaveToDB($source)
{
    #Connect to the DB
    $db = mysql_connect('localhost', 'root', '');

    #Select the DB name
    mysql_select_db('test');

    #Ask for UTF-8 encoding
    mysql_query("SET NAMES 'utf8'");

    #Escape special chars
    $source = mysql_real_escape_string($source);

    #Set the Query
    $query = "INSERT INTO website (source) VALUES ('$source')"; //Save it in a text row, that's it...

    #Run the query
    mysql_query($query);

    #Close the connection
    mysql_close($db);
}

$source = GetPage('http://www.google.com');

SaveToDB($source);

?>

Answer 2

使用fopen下拉整个页面并解析出任何URL（如图像和CSS）。您需要运行循环来获取生成页面的文件的每个URL。也存储这些，并用新链接替换用于链接到其他站点文件的URL。（如果文件应该更改或将来删除，这将避免任何问题。）

我建议使用blob数据类型，因为它允许您将所有文件存储在一个表中，但是您可以为具有text数据类型的页面执行表格，而使用blob存储另一个表格来存储图像和其他文件。“ / p>

编辑：如果您将blob数据类型存储到base64_encode（）中，它将增加服务器上的存储空间，但您将避免引号和特殊字符的任何问题。

Answer 3

不要使用关系数据库来存储文件。使用文件系统或NoSQL解决方案。

你可能想要查看可用的各种开源蜘蛛（想想htdig和httrack）。

Answer 4

我将URL存储在数据库中，并定期向cron页面wget作业，将它们存储在自己的键控本地目录中。使用wget将允许您缓存页面，并可选择缓存其图像，脚本等。您还可以使用wget命令更改嵌入的URL，以便不必缓存所有内容。

Here is the man page for wget，您也可以考虑搜索“wget备份网站”或类似内容。

（通过“键控目录”我的意思是你的数据库表将有2个字段，一个'key'和一个'url'，[unique]'key'将是你将网站存档到使用{的路径{ {1}}。）

Answer 5

您可以将数据存储为mysql中的text数据类型但你必须转换数据bcz页面可能内容很多引号和特殊字符你可以看到这个问题THIS它与你的问题不完全相同，但是当你将数据存储在数据库中时它会有所帮助。
关于那些图像和视频...如果你正在存储页面内容，那么将只有那些图像和视频的路径......所以当你将存储在数据库中时不会出现问题。

获取HTML页面并将其存储在MYSQL中 - 如何

5 个答案: