前言
我们在写一个Web程序的时候，总会想着把自己的网站更美观一些，功能能更多一些，有时候写一些小的工具或者加上小的插件会让我们的站点更加完善。比如万年历功能，比如我们现在要讲的天气预报功能。
当然我们没法利用专业的卫星接受数据，所以我们的天气数据来自现有的天气预报网站。利用天气预报网站提供的数据服务，我们可以写一个PHP爬虫，然后动态采集我们所需要的数据，并且在目标站点更新数据的时候，我们的程序也能做到同步更新，自动地获取数据。
下面就介绍一下如何编写一个简单的PHP数据采集程序(PHP爬虫)。
原理
给定一个网页的URL，使用PHP下载该网页并得到网页内容，然后通过正则表达式将其中我们感兴趣的数据提取出来，然后输出。
具体在这个例子中，我们要抓取的网页是 http://www.weather.com.cn/weather/101050101.shtml，我们感兴趣的是页面中的未来7天天气情况。
实现
0.获取天气预报网页的URL：
$url = "http://www.weather.com.cn/weather/101050101.shtml";
$page_content = file_get_contents($url);
在这里，file_get_contents() 函数会将 $url 指向的网页下载下来，并把网页内容作为一个字符串返回。于是，$page_content 变量中就是我们要抓取的网页的全部HTML代码了。接下来，我们要从其中抽取我们需要的数据。
1.使用正则表达式匹配符合条件的字符串
先输出 $page_content 的值，然后查看网页源代码，观察可知我们需要的字符串可以在
<!--day 1 -->
......
<!--day 7 -->
这两行的注释里找到。
使用正则表达式来取得 <!--day 1--> 和 <!--day 7--> 之间的所有内容：
eregi("<!--day 1-->(.*)<!--day 7-->",$page_content,$res);
2.补全页面中图片的路径
由于远程网页中的图片路径都是像 /m2/i/icon_weather/29x20/d01.gif 这样的相对路径，我们需要把这些路径补全，在它们前面加上 http://www.weather.com.cn。
$forecast = str_replace("<img src="","<img src="http://www.weather.com.cn",$res[0]);
至此，$forecast 中就是我们需要的天气预报信息了。这个简单的PHP爬虫也就写好了。
源代码
以下是这个抓取天气预报小程序的完整源代码，其中添加了一些测量各部分程序运行时间的代码，并可以通过设置 $start 和 $end 的值来控制抓取哪几天的信息。
$url = "http://www.weather.com.cn/weather/101050101.shtml";
$t1 = time();
$page_content = file_get_contents($url);
$t2 = time();
$start = 1;
$end = 3;
if ($end > 7){
echo "超出预报能力范围，请重新设置！";
}else {
echo "未来".($end-$start)."天哈尔滨的天气预报（"
.date('Y-m-j')."发布）";
eregi("--day $start--(.*)--day $end--", $page_content, $res);
$forecast = str_replace("<img src=/"",
"<img src=/"http://www.weather.com.cn", $res[0]);
$t3 = time();
echo $forecast;
echo 'First step costs '.($t2 - $t1).' ms.';
echo 'Last step costs '.($t3 - $t2).' ms.';
}
其他应用例子
同样的思路可以尝试的有：NBA每天的比分牌、今日哈工大的新闻同步、股市行情等等。都能实现同步实时更新。暂时只想到这些，欢迎大家拍砖～
