PHP小偷原理、实现及改进
缺点：需要把整页的HTML代码读取到本地，然后通过匹配获取到想要的信息再进行显示，这样大大影响网页的加载速度。
改进：通过AJAX异步读取HTML代码，后台进行匹配获取到想要的信息，再显示到前台页面。
预备知识：PHP、AJAX、正则表达式。
关键字：file_get_contents()、fopen()、fwrite()、eregi()，前三个关键字都是关于PHP文件处理的函数，eregi()是关于正则表达式的函数。
一、PHP小偷原理的实现：
1、file_get_contents()、fopen()、fwrite()的应用
咱们用华夏黑客牛刀小试吧，把主页的全部信息获取过来。
建立一个PHP文件：
<?php
$url='';
//file_get_contents()函数获取网页的html文档
$file=file_get_contents($url);
//建立一个新文件ImitationIndex.htm
$newfile=fopen('ImitationIndex.htm','w');
//把内容读取进去
fwrite($newfile,$file);
//关闭打开的文件
fclose($newfile);
?>
ImitationIndex.htm获取主页全部的HTML（保存好，以备下次使用）。
2、eregi()函数的应用
通过eregi()获取里的内容：
<?php
$url='';
//file_get_contents()函数获取网页的html文档
$file=file_get_contents($url);
//通过eregi()匹配获取想要的信息
eregi('<title>(.*)</title>',$file,$rg);
//建立一个新文件
$newfile=fopen('title.htm','w');
//把内容读取进去
fwrite($newfile,$rg[1]);
?>
打开title.htm可以看到已经获取了<title></title>之间的内容
从上面的两个例子，已经知道PHP小偷的实现原理，从中也知道它的不足之处，但通过AJAX可以完善它，使它可以用于实践项目中。
二、PHP小偷技术的实用和改进：
目的：获取华夏黑客的最新资讯，并实时更新查看示例。
实际中可能只用到三个页面：showNews.php、Update.php、HackNews.htm，但为了能看到实时更新的效果，这里用到了模拟主页的页面ImitationIndex.htm。
showNews.php：
<style type="text/css">
body{background:#c60;}
a{color:#444;font:12px Courier New;padding:8px;}
a:hover{color:#f00}
#hei_content{width:400px;background:#ccc;border:2px solid #000;border-bottom:5px solid #000;}
</style>
<?php
echo('<div id="hei_content">');
include('HackNews.htm');
echo('</div>');
?>
<script type="text/javascript">
window.onload=UpdateNews;
function GetXmlHttp()
{
var xmlhttp;
try
{
//IE7.0 ect
xmlhttp=new ActiveXObject("Msxml2.XMLHTTP");
}
catch(a)
{
try
{
//ie6.0 ect
xmlhttp=new ActiveXObject("Mscrosoft.XMLHTTP");
}
catch(b)
{
//非IE
xmlhttp=new XMLHttpRequest();
}
}
return xmlhttp;
}
function StateChange()
{
if(xmlhttp.readyState==4&&xmlhttp.status==200)
{
document.getElementById("hei_content").innerHTML=xmlhttp.responseText;
}
}
function UpdateNews()
{
xmlhttp=GetXmlHttp();
xmlhttp.onreadystatechange=StateChange;
var url='Update.php';
url=url+"?sid="+Math.random();
xmlhttp.open("GET",url,true);
xmlhttp.send(null);
}
</script>
HackNews.htm是已经缓存的文件，这样不用加载主页上的整个HTML再显示，这个工作留给AJAX：
document.getElementById("hei_content").innerHTML=xmlhttp.responseText
xmlhttp.responseText就是加载更新后的内容。
Update.php：
<?php
$url='ImitationIndex.htm';
//file_get_contents()函数获取网页的html文档
$file=file_get_contents($url);
//$regx为正则表达式的内容,用于匹配获取想要的信息
$regx='<td background=http://hack.77169.com/UploadFiles_8057/200902/20090220100422648.gif colSpan=3 height=100>
(.*)</td>
</tr>
</table>
</td>
</tr>
<tr>
<td colSpan=3><IMG height=8 src=http://www.zzsky.cn/"';
//eregi()获取匹配到的内容,赋值给数组变量$rg;
eregi($regx,$file,$rg);
//建立一个新文件HackNews.htm
$newfile=fopen('HackNews.htm','w');
//把内容读取进去
fwrite($newfile,$rg[1]);
fclose($newfile);
//用iconv编码转换后,输出匹配的HTML内容
$rg[1]=iconv('gb2312','utf-8',$rg[1]);
echo($rg[1]);
?>
Update.php是异步更新的后台页面，“$newfile=fopen('HackNews.htm','w');”和“fwrite($newfile,$rg[1]);”把更新的内容重新保存在HackNews.htm中，下次在index.php中include时就直接调用这个页面，“$url='ImitationIndex.htm'”在实际应用中应该是“$url=''”，但为了便于调试，建立一个ImitationIndex.htm模拟页面，如果对ImitationIndex.htm页面中最新资讯中的内容改改，就可以看到实时更新效果。
总结：通过AJAX改进的PHP小偷技术，在采集多个网站的大量信息下，页面的加载速度并不会受多大影响。