使用php的curl根据关键词爬取百度搜索结果页

[「已注销」]

我想实现的是每次根据给出的关键词搜索百度结果页，比如百度搜索结果是这样的，百度推广内容加正文：

而我使用curl爬取结果是这样的：

也就是说每次爬取结果都是无法爬取到百度推广的内容。请问哪位大师能指导一下，鄙人刚入门，望各位不吝指导。先谢过了。
其中php抓取代码如下：

<?php
$url = "http://www.baidu.com/s?wd=生命动力";
// 构造包头，模拟浏览器请求
$header = array (
		"Host:www.baidu.com",
		"Content-Type:application/x-www-form-urlencoded",//post请求
		"Connection: keep-alive",
		'Referer:http://www.baidu.com',
		'User-Agent: Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; BIDUBrowser 2.6)'
);
$ch = curl_init ();
curl_setopt ( $ch, CURLOPT_URL, $url );
curl_setopt ( $ch, CURLOPT_HTTPHEADER, $header );
curl_setopt ( $ch, CURLOPT_RETURNTRANSFER, 1 );
// 执行
$content = curl_exec ( $ch );
if ($content == FALSE) {
	echo "error:" . curl_error ( $ch );
}
// 关闭
curl_close ( $ch );

//输出结果
echo $content;
?>

[「已注销」]

引用 2 楼 fdipzone 的回复:

推广的内容是页面加载后再调用js二次请求获取，写入页面的。所以用curl只能获取到html有的东西。 而js加载的，你需要再用curl去获取它js获取的url得到。

但是这个百度推广内容通过查看网页源代码是可以看到的？通过调用js生成的信息会出现在网页源代码吗？

[傲雪星枫]

你的user-agent没有模拟好，所以不行。
其实根本不需要用post，直接用get就可以了。
修改如下：

$url = "http://www.baidu.com/s?wd=生命动力";

$header = array (
        'User-Agent: Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.146 Safari/537.36'
);
$ch = curl_init ();
curl_setopt ( $ch, CURLOPT_URL, $url );
curl_setopt ( $ch, CURLOPT_HTTPHEADER, $header );
curl_setopt ( $ch, CURLOPT_RETURNTRANSFER, 1 );
// 执行
$content = curl_exec ( $ch );
if ($content == FALSE) {
    echo "error:" . curl_error ( $ch );
}
// 关闭
curl_close ( $ch );
 
//输出结果
echo $content;

[「已注销」]

引用 4 楼 fdipzone 的回复:

你的user-agent没有模拟好，所以不行。
其实根本不需要用post，直接用get就可以了。
修改如下：

$url = "http://www.baidu.com/s?wd=生命动力";

$header = array (
        'User-Agent: Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.146 Safari/537.36'
);
$ch = curl_init ();
curl_setopt ( $ch, CURLOPT_URL, $url );
curl_setopt ( $ch, CURLOPT_HTTPHEADER, $header );
curl_setopt ( $ch, CURLOPT_RETURNTRANSFER, 1 );
// 执行
$content = curl_exec ( $ch );
if ($content == FALSE) {
    echo "error:" . curl_error ( $ch );
}
// 关闭
curl_close ( $ch );
 
//输出结果
echo $content;

感谢你的回复。你的结论是正确的。我这里还有一个问题，就是抓取到的网页图片第一次运行可以显示，之后就显示不了了。

查看源代码发现获取到的图片地址是真实地址啊，但就是显示不了，请问有什么思路可以绕过这个防外链。在curl伪造来路好像也行不通。

[「已注销」]

大虾们，求顶求指导。

[傲雪星枫]

这个你需要看看页面有没什么隐藏参数，通常那些会影响的。 例如js也会的。而且这算是另一个问题，应该开新贴讨论。

[傲雪星枫]

推广的内容是页面加载后再调用js二次请求获取，写入页面的。所以用curl只能获取到html有的东西。 而js加载的，你需要再用curl去获取它js获取的url得到。

[baidu_36923347]

能做到实时更新吗？

[baidu_36923347]

在你爬虫的这个页面进行搜索能和百度一样搜出来吗？