要采集一個網站，目標站采用了gzip壓縮傳輸網頁，本來應該只要發送一個http頭 Accept-Encoding: identity或者干脆不發送這個頭等，就可以使目標站返回沒有經過gzip壓縮的頁面了，不過很不幸，目標站無視客戶端的請求，仍然返回gzip數據，造成亂碼。
其實php對gzip解壓很簡單，用內置的gzdecode函數就可以了，不過很可惜我配置了半天也無法支持gzdecode函數，所以只好變通一下：
if (!function_exists('gzdecode')) {
function gzdecode ($data) {
$flags = ord(substr($data, 3, 1));
$headerlen = 10;
$extralen = 0;
$filenamelen = 0;
if ($flags & 4) {
$extralen = unpack('v' ,substr($data, 10, 2));
$extralen = $extralen[1];
$headerlen += 2 + $extralen;
}
if ($flags & 8) // Filename
$headerlen = strpos($data, chr(0), $headerlen) + 1;
if ($flags & 16) // Comment
$headerlen = strpos($data, chr(0), $headerlen) + 1;
if ($flags & 2) // CRC at end of file
$headerlen += 2;
$unpacked = @gzinflate(substr($data, $headerlen));
if ($unpacked === FALSE)
$unpacked = $data;
return $unpacked;
}
}
調用方法很簡單：
$f=@file_get_contents("http://www.companysz.com");
echo gzdecode($f);
