似乎无法通过cURL获取网页的内容 - 用户代理和HTTP标头都设置了？

Question

出于某种原因,我似乎无法通过cURL获取此特定网页的内容.我已经设法使用cURL来获得"顶级页面"内容,但是相同的自建快速cURL功能似乎不适用于其中一个链接的子网页.

顶级页面: http://www.deindeal.ch/

子页面: http://www.deindeal.ch/deals/hotel-cristal-in-nuernberg-30/

我的cURL函数(在functions.php中)

function curl_get($url) {
    $ch = curl_init();
    $header = array(
    'Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
    'Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7',
    'Accept-Language: en-us;q=0.8,en;q=0.6'
    );
    $options = array(
        CURLOPT_URL => $url, 
        CURLOPT_HEADER => 0, 
        CURLOPT_RETURNTRANSFER => 1, 
        CURLOPT_USERAGENT => 'Mozilla/5.0 (Windows; U; Windows NT 6.1; en; rv:1.9.2.13) Gecko/20101203 Firefox/3.6.13',
        CURLOPT_HTTPHEADER => $header
        );
    curl_setopt_array($ch, $options);
    $return = curl_exec($ch);
    curl_close($ch);

    return $return;
}

PHP文件获取内容(使用echo进行测试)

require "functions.php";
require "phpQuery.php";

echo curl_get('http://www.deindeal.ch/deals/hotel-walliserhof-zermatt-2-naechte-30/');

到目前为止,我已尝试以下方法来实现此功能

• 在本地(XAMPP)和远程(LAMP)保存文件.
• 在此处推荐的user-agent和HTTP标头中添加了file_get_contents和CURL无法打开特定网站 - 在该函数curl_get()包含所有选项之前,除了CURLOPT_USERAGENT andCURLOPT_HTTPHEADERS`之外.

是否有可能通过cURL或其他远程文件打开机制完全阻止请求,无论提供多少数据来尝试发出真正的浏览器请求？

此外,是否有可能诊断为什么我的请求没有出现？

任何帮助回答上述两个问题,或编辑/提出获取文件内容的建议,即使通过不同于cURL的方法,也将非常感谢;).

Answer 1

尝试添加:

CURLOPT_FOLLOWLOCATION => TRUE

你的选择.

如果从命令行运行一个简单的curl请求(包括-i查看响应头),那么很容易看到:

$ curl -i 'http://www.deindeal.ch/deals/hotel-cristal-in-nuernberg-30/'
HTTP/1.1 302 FOUND
Date: Fri, 30 Dec 2011 02:42:54 GMT
Server: Apache/2.2.16 (Debian)
Vary: Accept-Language,Cookie,Accept-Encoding
Content-Language: de
Set-Cookie: csrftoken=d127d2de73fb3bd72e8986daeca86711; Domain=www.deindeal.ch; Max-Age=31449600; Path=/
Set-Cookie: generic_cookie=1; Path=/
Set-Cookie: sessionid=987b1a11224ecd0e009175470cf7317b; expires=Fri, 27-Jan-2012 02:42:54 GMT; Max-Age=2419200; Path=/
Location: http://www.deindeal.ch/welcome/?deal_slug=hotel-cristal-in-nuernberg-30
Content-Length: 0
Connection: close
Content-Type: text/html; charset=utf-8

如您所见,它返回带有Location标头的302.如果您直接点击该位置,您将获得您要查找的内容.

并回答你的两个问题:

1. 不,阻止curl之类的请求是不可能的.如果消费者可以谈论HTTP,那么它可以获得浏览器可以访问的任何内容.
2. 使用HTTP代理进行诊断可能对您有所帮助.Wireshark,小提琴手,查尔斯等人.应该会帮助你将来.或者,像我一样做,并从命令行发出请求.

编辑
啊,我看到你现在在说什么.因此,当您第一次转到该链接时,您将被重定向并设置cookie(或cookie).获得这些cookie后,您的请求将按预期进行.

因此,您需要使用cookiejar,如下例所示:http://icfun.blogspot.com/2009/04/php-how-to-use-cookie-jar-with-curl.html

因此,您需要提出初始请求,保存Cookie,然后在此之后发出包含Cookie的后续请求.