PHP 爬蟲實戰：抓取中國天氣網 7 天預報

專案背景

為網站添加天氣預報功能可提升用戶黏性。因無法直接獲取氣象衛星數據，常見做法是編寫爬蟲抓取公開天氣網站的 HTML 頁面，解析所需資訊。本文以中國天氣網為例，示範簡單的 PHP 采集程式。

核心流程

1. 指定目標 URL
2. 下載頁面內容（file_get_contents 或 cURL）
3. 使用正則表達式提取目標資料區塊
4. 處理相對路徑資源（圖片、CSS 等）
5. 輸出或儲存結構化數據

程式碼實作

1. 獲取頁面原始碼

$url = 'https://www.weather.com.cn/weather/101050101.shtml'; // 哈爾濱
$html = file_get_contents($url);
if ($html === false) {
    die('無法獲取遠端頁面');
}

2. 定位目標區塊

觀察頁面原始碼，未來 7 天預報位於 <!--day 1--> 至 <!--day 7--> 註釋之間：

$pattern = '/<!--day 1-->(.*)<!--day 7-->/s';
if (!preg_match($pattern, $html, $matches)) {
    die('頁面結構異常，無法定位預報區塊');
}
$forecastBlock = $matches[1];

注意：s 修飾符讓 . 匹配換行符；實際專案建議使用 DOMDocument + XPath 更穩健。

3. 補全圖片路徑

$forecastBlock = str_replace(
    '<img src="',
    '<img src="https://www.weather.com.cn',
    $forecastBlock
);

4. 完整可配置版本

$url = 'https://www.weather.com.cn/weather/101050101.shtml';
$html = file_get_contents($url);

$startDay = 1;
$endDay = 3; // 可調整抓取天數

if ($endDay > 7) {
    die('超出預報範圍');
}

$pattern = "/<!--day $startDay-->(.*)<!--day $endDay-->/s";
preg_match($pattern, $html, $matches);

$forecast = str_replace('<img src="', '<img src="https://www.weather.com.cn', $matches[1]);
echo "未來 " . ($endDay - $startDay + 1) . " 天天氣預報（" . date('Y-m-d') . " 發布）";
echo $forecast;

進階優化方向

• 改用 cURL：支援超時、重試、User-Agent 偽裝、Cookie 管理
• DOM 解析器：DOMDocument + DOMXPath 比正則更穩定、可維護
• 快取機制：本地快取 30 分鐘，減少對目標站請求壓力
• 錯誤處理：網路異常、頁面結構變更、編碼問題（目標站可能為 GBK）
• 結構化輸出：解析為 JSON/XML 供前端 AJAX 調用，而非直接輸出 HTML 片段
• 法律合規：遵守 robots.txt、控制抓取頻率、確認資料授權條款

同類應用場景

相同技術棧可應用於：股票即時行情、新聞 RSS 聚合、電商比價、公開 API 無官方 SDK 時的替代方案。

總結

簡單的 PHP 爬蟲幾行代碼即可實現，但生產環境需考慮穩定性、效能、合法性與維護性。建議優先尋找官方 API，無 API 時再考慮爬蟲，並做好監控與降級預案。