我用php ，curl主要是抓取数据，当然我们可以用其他的方法来抓取，比如fsockopen,file_get_contents等。但是只能抓那些能直接访问的页面，如果要抓取有页面访问控制的页面，或者是登录以后的页面就比较困难了。
1，抓取无访问控制文件
<?php $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, "http://localhost/mytest/phpinfo.php"); curl_setopt($ch, CURLOPT_HEADER, false); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //如果把这行注释掉的话，就会直接输出 $result=curl_exec($ch); curl_close($ch); ?>
2，使用代理进行抓取
CURL（Client URL Library Functions）是一个利用URL语法在命令行方式下工作的文件传输工具。它支持很多协议：FTP, FTPS, HTTP, HTTPS, GOPHER, TELNET, DICT, FILE 以及 LDAP。CURL同样支持HTTPS认证，HTTP POST方法， HTTP PUT方法，FTP 上传， kerberos认证，HTTP上传， 代理服务器， cookies， 用户名/密码认证，下载文件断点续传，上载文件断点续传， http代理服务器管道（ proxy tunneling），甚至它还支持IPv6， socks5代理服务器， 通过http代理服务器上传文件到FTP服务器等等，功能十分强大。
今天，数据库的操作越来越成为整个应用的性能瓶颈了，这点对于Web应用尤其明显。关于数据库的性能，这并不只是DBA才需要担心的事，而这更是我 们程序员需要去关注的事情。当我们去设计数据库表结构，对操作数据库时（尤其是查表时的SQL语句），我们都需要注意数据操作的性能。这里，我们不会讲过多的SQL语句的优化，而只是针对MySQL这一Web应用最多的数据库。希望下面的这些优化技巧对你有用。
poll 函数的返回值是一个整数，得到了这个返回值以后，我们还是要逐个去检查，比如说，有一万个socket同时poll，返回值是3，我们还是只能去遍历这一万个socket，看看它们是否有IO动作。这就很低效了，于是，就有了epoll的改进，epoll可以直接通过“输出参数”（可以理解为C语言中的指针类型的参数），一个 epoll_event 数组，直接获得这三个socket，这就比较快了。
Piwik是一套基于Php+能够与Google Analytics相媲美的开源网站访问统计系统，浏览人数, 访问最多的页面, 搜索引擎关键词等等，并且采用了大量的AJAX/Flash技术，使得在操作上更加便易。此外，它还采用了插件扩展及开放API架构，可以让开发人员根据 自已的实际需求创建更多的功能。
<?php // 1. 初始化 $ch = curl_init(); // 2. 设置选项，包括URL curl_setopt($ch, CURLOPT_URL, ""); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt($ch, CURLOPT_HEADER, 0); // 3. 执行并获取HTML文档内容 $output = curl_exec($ch); // 4. 释放curl句柄 curl_close($ch); ?>
curl_setopt中的 CURLOPT_URL, CURLOPT_RETURNTRANSFER 等参数，请参考php文档手册,里面有详细说明！
现在得到$output内容…使用正则表达式匹配出你需要的内容。
PHP.ini 里有个 disable_functions 开关选项，此选项可关闭一些危险的函数，比如system,exec 等。比如: disable_functions = phpinfo , 如果在文件中调用 phpinfo() 函数，那么在 error_reporting 开启的情况下，会提示如下错误：
Warning: phpinfo() has been disabled for security reasons
屏蔽函数实例：
disable_functions= phpinfo,dl, exec, system
匹配特定数字：
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正
在Macbook上做如下设置：
1.打开 “系统偏好设置（System Preferences）” -> “共享（ Share）” 对话框，在左侧列表中的 “文件共享（File Sharing）” 之前打勾；
2.点击该对话框中的 “（选项）Options” 按钮；
3.在随后出线的对话框中的 “用FTP的方式共享文件夹（Share files and folders using FTP）” 之前打勾；