php爬虫怎么做，零基础成为一个爬虫难度大吗？
爬虫是伴随互联网的兴起而来的，以前很早的互联网，比如曾经的雅虎，你能想象给别人看的网页都是人工后台一个个给弄上去的吗。就跟今天的一些内容网站，比如悟空问答一样，用户给一个个补录上去，让大家看的。
但是搜索引擎不行，互联网的内容简直太多了，软件是摩尔定律级别，网页就更不说了。如果靠人工，根本不可能搞定这么多东西。就产生了很多算法，比如深度优先，广度优先等，尽量的去抓取别人的网页和内容。这其中也有很多的规则，并不是什么内容都允许抓取的。比如百度的爬虫，一般叫百度蜘蛛spider。爬取规则，你偶尔会看到自己项目中也会有类似robots.txt这样文件，就是爬虫规则。你可以写明不允许爬取，正常的蜘蛛是不应该再来抓取你的内容的。
一般我们能看到的，被爬取的内容都是明网，还有子网，暗网，你可以自己搜索了解一下。据说暗网的内容更多，更让人惊心动魄，被我们定义为非法的，“说是为了保护我们”，哎，就算是吧。
学爬虫，我们不需要搞到搜索引擎的级别，这个是谷歌，百度这种强搜索倾向的公司去搞的。一般来说，Python的这个框架Scrapy，就可以递归爬取内容，可以从它开始去学习如何爬取。零基础难度也不算大，但还是需要你花一些精力去研究的。我自己没去从事过爬取的岗位。现在厉害的人多了，你可以去从简单的实例开始，比如随便搜搜，‘我用爬虫一天时间“偷了”知乎一百万用户，只为证明PHP是世界上最好的语言’，爬取网易云音乐，用Python解决租房问题等例子，都非常有趣，这些都是学习的好例子。
web全栈开发学习python还是php？
答案是PHP。
如果只是单纯的做Web，显然是PHP更适合，因为PHP是专为Web而生，而Python也可以做Web，但是相比起PHP就弱了一些，而且PHP比Python更简单，更易学，对于新手更友好，所以推荐使用PHP开发Web。
而Python的优点主要是在于对数据的爬取，我们在做爬虫的时候，使用Python就比较好一点，所以各有所取。
有什么免费的sitemap生成工具？
如果你有数据库的话，自己用Php写一个比较好。
因为爬虫类的工具，一方面是有可能遍历不完整，即使能遍历完整，sitemap中的url也是乱序的。不像自己编写的完全可以安装数据库的内容来编排分类内容。
另一方面是多线程遍历网站url会导致网站服务器压力剧增，给其他正在访问网站的用户带来极其不好的体验效果。
故此，建议自己写一个php来定时更新sitemap是最佳解决方案。
php如何抓取行业词库？
php抓取行业词库的第一步是实现序列化，也就是按照顺序去抓取字节，PHP不支持永久对象，在OOP中永久对象是可以在多个应用的引用中保持状态和功能的对象，这意味着拥有将对象保存到一个文件或数据库中的能力，而且可以在以后装入对象。这就是所谓的序列化机制。PHP 拥有序列化方法，它可以通过对象进行调用，序列化方法可以返回对象的字符串表示。然而，序列化只保存了对象的成员数据而不包话方法。
第二步是构造函数，构造函数是类中的一个特殊函数，当使用 new 操作符创建一个类的实例时，构造函数将会自动调用。当函数与类同名时，这个函数将成为构造函数。如果一个类没有构造函数，则调用基类的构造函数。第三步，是分析解构函数，PHP 5 引入了析构函数的概念，这类似于其它面向对象的语言，如 C++。析构函数会在到某个对象的所有引用都被删除或者当对象被显式销毁时执行。
第四步是，遵守cookie机制进行运作，cookie 是一种在远程浏览器端储存数据并以此来跟踪和识别用户的机制。可以用 setcookie() 或 setrawcookie() 函数来设置 cookie。cookie 是 HTTP 标头的一部分，因此 setcookie() 函数必须在其它信息被输出到浏览器前调用，这和对 header() 函数的限制类似。可以使用输出缓冲函数来延迟脚本的输出，直到按需要设置好了所有的 cookie 或者其它 HTTP 标头。
第五步，制造比如simple dict之类的简单工具，进行词库的捉取，不用安装扩展，也不依赖 xcache memcache redis 之类的缓存。当然也可以更复杂，采用complex，附加更多组件和程式原理。
PHP网站怎么调用别家的API？
首先我们要知道的是，API有很多种表现形式，对于不同形式的API，调用方式也是不同的。
API常见模式1、RPC（远程过程调用协议）
RPC是一种进程远程调用的方式，主要用于异构平台间的进程通信，是Client/Server模式。RPC可以使用多种协议（如：HTTP协议、自定义协议等）和序列化方式（如：JSON、XML、二进程），RPC是基于TCP或者自定义协议来实现的，性能较高，但耦合度也较高。
2、SOAP（简单对象访问协议）
SOAP其实是基于HTTP和XML的实现，基于HTTP协议。在耦合度、维护性、扩展性上比RPC要好，但是性能上会低于RPC，特别是XML这种消息传递的方式会影响性能。
虽说SOAP是基于HTTP的，但是SOAP提供了Session/Cookie机制来维持状态，所以一些需要状态的（如：调用某些API前需要进行认证）业务中还能看见SOAP的身影。
3、RESTful
RESTful其实是一种架构风格，它不是一种标准！RESTful可以理解为是Json+HTTP+POST/GET/PUT/DELETE 的组合，同样是基于HTTP协议的。REST相比于SOAP和RPC，更加简洁明了。
RESTful的无状态特性使得其适合在分布式环境中使用，所以现在的API都推荐使用RESTful设计风格。
PHP中如何调用第三方提供的API？上面讲到了，API有很多种模式，对于不同模式我们调用的方法就不同。下面介绍下PHP如何计用常见模式的API。
1、RPC
如果对方提供的API是RPC形式的，那一般都会提供PHP版本的Client给你，你按说明进行调用即可。
另外PHP生态中也有不少RPC框架，如：PHPRPC、Thrift、gRPC等。
2、SOAP
PHP 5内置有php_soap扩展，此扩展实现了PHP对Web Services的支持。
3、RESTful
说白了RESTful就是HTTP协议，只不过使用了不同的HTTP动词进行请求区分，我们推荐使用cURL类库进行RESTful API的请求。
不建议使用file_get_contents 函数进行HTTP类型的API调用，很多人习惯使用此函数调用HTTP API，但是又不设置超时时间，当API不稳定时严重影响了网站速度。
以上就是我的观点，对于这个问题大家是怎么看待的呢？欢迎在下方评论区交流 ~ 我是科技领域创作者，十年互联网从业经验，欢迎关注我了解更多科技知识！