去年使用了Python的BS4+Requests爬取了这个数据，但是不慎rm -rf / 了，这次使用PHP重新爬取一次。
本文仅供学习交流，不要干坏事哦~
首先打开招生考试信息网的查询页面：
然后输入自己的考生号：
查询结果是这个样子的。右键审查元素：
可以看到使用了iframe直接get后端服务器，返回结果是html。接着开始研究这个iframe。
直接访问：
行不通，网页做了防盗链，一般这样的防盗链都是检测header中的refer值，判断来路页面是不是自己域下的，我们使用PHP的Curl携带refer信息来模拟访问下：
<?php
//$url和Referer相关敏感信息已删除
$ch = curl_init($url);
curl_setopt ($ch, CURLOPT_HTTPHEADER, array ('Referer:xxxxx') );
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$output = curl_exec($ch);
curl_close($ch);
echo $output;直接在Windows的cmd里面跑一下：
成了！！
接着想想如何解析这一坨HTML。
因为不会正则表达式，所以用了一种麻烦而且没有技术含量的方法：先删除空格、\t、\n，然后删掉无用的html。
首先删掉无用空格换行符：
function kill1($str) {
$str=preg_replace('# #', '', $str);
$str=str_replace(" ","",$str);
$str=str_replace("\n","",$str);
$str=str_replace("\r","",$str);
$str=str_replace("\t","",$str);
$str=str_replace("\0","",$str);
}调用这个函数，打印下看看：
接着删掉无用的html就行了。这里有个小问题：怎么把姓名、学校、专业、录取批次给分离开呢？
观察html，这几项中间都隔着html标签，只要把html标签不全删，留下一个符号作为分隔符，使用explode就行了。
继续完善我们的kill函数：
function kill1($str) {
$str=preg_replace('# #', '', $str);
$str=str_replace(" ","",$str);
$str=str_replace("\n","",$str);
$str=str_replace("\r","",$str);
$str=str_replace("\t","",$str);
$str=str_replace("\0","",$str);
$kill_s =[
'<html><HEAD><TITLE>内蒙古普通高校招生录取结果查询系统</TITLE></HEAD><bodyBGCOLOR="#FDF5E6"><divalign=center><CAPTION><STRONGSTYLE="COLOR:BLUE">您查询的录取结果为</STRONG></div><TABLEBORDER=1cellspacing=0align=centertitle=录取结果><TH><PALIGN=CENTER>考生号</TH><TH><PALIGN=CENTER>姓名</TH><TH><PALIGN=CENTER>录取院校</TH><TH><PALIGN=CENTER>录取专业</TH><TH><PALIGN=CENTER>录取批次</TH><TH><PALIGN=CENTER>计划性质</TH><TH><PALIGN=CENTER>录取方式</TH><TH><PALIGN=CENTER>录取时间</TH><TR><TD><PALIGN=CENTER>',
'</TD><TD><PALIGN=CENTER>2016年</TD></TR></body></html>',
'/TD><TD><PALIGN=CENTER>',
];
$str=str_replace($kill_s,"",$str);
//return $str;
$str = mb_convert_encoding($str, "UTF-8", "GBK");
$arr=explode("<",$str);
return $arr;
}调用函数，var_dump一下：
nice！！！
但是，问了同学考号的格式，发现考号不是连续的，所以程序必须判断出不存在的考号，这样的信息不能入库：
考号不存在的信息是这样的。
我们加一段代码：
$boo = is_int(strpos($output1,'未录取'));
if($boo != '1')=>入库
else =>不入库加上自己使用medoo写的蹩脚的MySQL操作代码，程序就能挑选正确的数据进行解析入库了。
