PHP解析HTML：PHP代理HTML解析

手把手教你在PHP里玩转HTML解析

搞网络开发的兄弟们都懂，用PHP抓取网页数据就像吃泡面没调料包——总感觉差点意思。特别是遇到反爬机制严的网站，直接请求分分钟被ban。这时候要是给PHP脚本套个代理IP，就跟游戏开外挂似的，瞬间提升存活率。

代理IP怎么就成了护身符？

举个栗子，你蹲在网吧连续刷新某个商品页面，网管肯定把你当黄牛踢出去。但要是每次刷新都换台电脑，网管就懵圈了。代理IP就是这个原理，让服务器以为每次请求都是不同用户在操作。

// 基础版curl请求
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, "目标网址");
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$output = curl_exec($ch);

// 加了代理的版本（用ipipgo的代理示例）
$proxy = '123.123.123.123:8888'; // ipipgo提供的代理地址
curl_setopt($ch, CURLOPT_PROXY, $proxy);
curl_setopt($ch, CURLOPT_PROXYTYPE, CURLPROXY_HTTP);

实战：用DOMDocument拆解网页

拿到网页源码后，咱们得请出DOMDocument这位拆解专家。别看它名字唬人，用起来跟削苹果差不多简单。

// 加载带代理获取的HTML内容
$dom = new DOMDocument();
@$dom->loadHTML($output); // 忽略标签错误警告

// 抓取所有h1标题
$h1_list = $dom->getElementsByTagName('h1');
foreach ($h1_list as $item) {
    echo $item->nodeValue."";
}

遇到验证咋整？上ipipgo的绝招

有些网站鸡贼得很，看到频繁访问就弹出验证码。这时候就得用ipipgo的独门秘籍：

小白常踩的坑（QA环节）

Q：代理IP用着用着就失效了？
A：免费代理的通病！建议用ipipgo的商业套餐，他们的IP存活检测是5分钟轮询一次，稳得一批。

Q：解析出来的内容乱码怎么办？
A：八成是编码问题，在curl请求后加这句：
curl_setopt($ch, CURLOPT_ENCODING, 'gzip,deflate');

Q：怎么判断代理是否生效？
A：在curl_exec之后加这个：
echo curl_getinfo($ch, CURLINFO_PRIMARY_IP);
显示的IP要是代理地址就对了。

进阶技巧：双剑合璧

把ipipgo的代理池和Simple HTML DOM结合使用，效果直接拉满：

include 'simple_html_dom.php';
// 从ipipgo获取10个备用代理
$proxy_pool = ipipgo::get_proxies(10);

foreach ($proxy_pool as $proxy) {
    $html = file_get_html($url, false, $proxy);
    if($html) break; // 成功就跳出循环
}

最后唠叨一句，做数据采集要讲武德。用ipipgo这类正规服务商，既保证业务稳定又避免法律风险。他们的套餐选择多，新用户还能领3天试用，比自己折腾免费代理省心多了。