我正在创建一个正在抓取网站www.piratebay.se的脚本.两三天前脚本工作正常,但现在我遇到了问题.
这是我的代码:
$URL = 'http://thepiratebay.se'; $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $URL); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($ch, CURLOPT_FOLLOWLOCATION, TRUE); curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.1) Gecko/20061204 Firefox/2.0.0.1"); curl_setopt($ch, CURLOPT_COOKIE, "language=pt_BR; c[thepiratebay.se][/][language]=pt_BR"); $fonte = curl_exec ($ch); curl_close ($ch); echo $fonte;
这段代码的响应不是干净的HTML,而是看起来像这样:
[ s8N> k9-ىMI7 $8.v͕$ hyGSg:ӷ> 5???aor&
. v) )d w 8w l c u""1 F*G 2$ 6 C } z(bw 4Ƒz6 S t4 K x 6u ~ T ACJb T^3 USPI:Mf n ' 4 XE QQ& c5 `'β TY]D Q nBfS }a % R) Zn ̙ ̙8IB a L
我已经尝试在.htaccess,PHP和cURL上使用用户代理,但没有成功.