要采集一个网站，目标站采用了gzip压缩传输网页，本来应该只要发送一个http头 Accept-Encoding: identity或者干脆不发送这个头等，就可以使目标站返回没有经过gzip压缩的页面了，不过很不幸，目标站无视客户端的请求，仍然返回gzip数据，造成乱码。
其实php对gzip解压很简单，用内置的gzdecode函数就可以了，不过很可惜我配置了半天也无法支持gzdecode函数，所以只好变通一下：
以下为引用的内容： if (!function_exists('gzdecode')) {
function gzdecode ($data) {
$flags = ord(substr($data, 3, 1));
$headerlen = 10;
$extralen = 0;
$filenamelen = 0;
if ($flags & 4) {
$extralen = unpack('v' ,substr($data, 10, 2));
$extralen = $extralen[1];
$headerlen += 2 + $extralen;
}
if ($flags & 8) // Filename
$headerlen = strpos($data, chr(0), $headerlen) + 1;
if ($flags & 16) // Comment
$headerlen = strpos($data, chr(0), $headerlen) + 1;
if ($flags & 2) // CRC at end of file
$headerlen += 2;
$unpacked = gzinflate(substr($data, $headerlen));
if ($unpacked === FALSE)
$unpacked = $data;
return $unpacked;
}
} |
调用方法很简单：
以下为引用的内容： $f=file_get_contents("http://www.itlearner.com");
echo gzdecode($f); |
