| 代码如下 | 复制代码 |
| function httpget( $url, $followredirects=true ) { global $final_url; $url_parsed = parse_url($url); if ( empty($url_parsed['scheme']) ) { $url_parsed = parse_url('http://'.$url); } $final_url = $url_parsed; $port = $url_parsed["port"]; if ( !$port ) { $port = 80; } $rtn['url']['port'] = $port; $path = $url_parsed["path"]; if ( empty($path) ) { $path="/"; } if ( !empty($url_parsed["query"]) ) { $path .= "?".$url_parsed["query"]; } $rtn['url']['path'] = $path; $host = $url_parsed["host"]; $foundbody = false; $out = "get $path http/1.0 "; $out .= "host: $host "; $out .= "user-agent: mozilla/5.0 (windows; u; windows nt 5.1; en-us; rv:1.8.1) gecko/20061010 firefox/2.0 "; $out .= "connection: close "; if ( !$fp = @fsockopen($host, $port, $errno, $errstr, 30) ) { $rtn['errornumber'] = $errno; $rtn['errorstring'] = $errstr; } fwrite($fp, $out); while (!@feof($fp)) { $s = @fgets($fp, 128); if ( $s == " " ) { $foundbody = true; continue; } if ( $foundbody ) { $body .= $s; } else { if ( ($followredirects) && (stristr($s, "location:") != false) ) { $redirect = preg_replace("/location:/i", "", $s); return httpget( trim($redirect) ); } $header .= $s; } } fclose($fp); return(trim($body)); |
|
0
0
php模仿用户访问网页程序代码
php中文网
发布时间：2016-06-08 17:26:46
|1782人浏览过
|来源于php中文网
原创
本站声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
热门AI工具
相关专题
漫蛙漫画网页版入口与正版在线阅读 漫蛙MANWA官网访问专题
本专题围绕漫蛙漫画（Manwa / Manwa2）官网网页版入口进行整理，涵盖漫蛙漫画官方主页访问方式、网页版在线阅读入口、台版正版漫画浏览说明及基础使用指引，帮助用户快速进入漫蛙漫画官网，稳定在线阅读正版漫画内容，避免误入非官方页面。
0
2026.02.03
Yandex官网入口与俄罗斯搜索引擎访问指南 Yandex中文登录与网页版入口
本专题汇总了俄罗斯知名搜索引擎 Yandex 的官网入口、免登录访问地址、中文登录方法与网页版使用指南，帮助用户稳定访问 Yandex 官网，并提供一站式入口汇总。无论是登录入口还是在线搜索，用户都能快速获取最新稳定的访问链接与使用指南。
2
2026.02.03
Java 设计模式与重构实践
本专题专注讲解 Java 中常用的设计模式，包括单例模式、工厂模式、观察者模式、策略模式等，并结合代码重构实践，帮助学习者掌握 如何运用设计模式优化代码结构，提高代码的可读性、可维护性和扩展性。通过具体示例，展示设计模式如何解决实际开发中的复杂问题。
1
2026.02.03
C# 并发与异步编程
本专题系统讲解 C# 异步编程与并发控制，重点介绍 async 和 await 关键字、Task 类、线程池管理、并发数据结构、死锁与线程安全问题。通过多个实战项目，帮助学习者掌握 如何在 C# 中编写高效的异步代码，提升应用的并发性能与响应速度。
0
2026.02.03
Python 强化学习与深度Q网络（DQN）
本专题深入讲解 Python 在强化学习（Reinforcement Learning）中的应用，重点介绍 深度Q网络（DQN） 及其实现方法，涵盖 Q-learning 算法、深度学习与神经网络的结合、环境模拟与奖励机制设计、探索与利用的平衡等。通过构建一个简单的游戏AI，帮助学习者掌握 如何使用 Python 训练智能体在动态环境中作出决策。
1
2026.02.03
热门下载
相关下载
