“盗版”一个网络小说站点

说盗版其实应该也不算是了，严谨的说是抓取一个网络小说的内容，过滤掉不需要的内容（比如广告和统计代码什么的），然后再把干净的内容呈现出来。

这段时间在追一部叫《劫天运》的连载小说，原名《养鬼为祸》，好像因为河蟹问题所以改名了，最早是在黑岩网追的付费的，2毛多一章追了几十块钱，但是后来作者经常耍猴（作者每天凌晨更新，有时候一更都没有也不提前告知，n多次白等到凌晨1点）就放弃付费了，但是一直还在追，更换了无数的小说站，最后终于稳定在顶点中文网。

这个站的盗版工作已经做完，所以这次就换了另外一个网站来做盗版演示，这个站长也是牛X居然域名就是yangguiweihuo.com

工作环境

我现在用的虚拟主机是 php 的，所以这次盗版工作也是用的 php 作为服务端语言

准备工作

安装软件

为了本地调试需要安装 phpStudy，自行配置好 phpStudy 后在浏览器地址栏输入 localhost 并回车，如果正常会显示一个网页，之后在 phpStudy 建立的WWW目录下新建几个文件（夹）

├─ css
├─ js
│  index.php
│  home.php //小说首页
│  article.php  //章节

├─ css

├─ js

│ index.php

│ home.php //小说首页

│ article.php //章节

获取小说地址

小说当然是在手机上看的，用pc浏览器需要模拟手机访问以获取手机版地址

用 猎豹浏览器（也可以是其它浏览器，几乎所有浏览器都支持开发功能）打开小说首页
按 F12 打开开发面板
启用模拟手机，选择手机型号
最后刷新一下页面就成了

图中从上到下依次包括了

小说首页地址

设备型号和屏幕尺寸

小说首页布局展示以及后边需要去掉的广告

上面说的方法只适用于带有 wap 页面的站点，用上面的方法获取的网址会直接输出一个 wap 风格的页面，但是现在这个站虽然给出了 wap 风格的页面，但是网址不变，这样我们用代码获取小说内容的时候取得的还是 pc 样式的，无法在手机上阅读，怎么办呢？

其实在用浏览器正常访问这个站的时候，在最下边有一个 移动版 的链接，点它就好了，得到了 http://www.yangguiweihuo.com/?am_force_theme_layout=mobile 这个带参数的网址

下载样式表和脚本文件

在浏览器页面上按右键点 查看源代码，会打开一个新的页面，在里面找到这几行

&lt;link rel=&quot;stylesheet&quot; href=&quot;http://www.yangguiweihuo.com/wp-content/themes/Novel-Mobile/style.css&quot; type=&quot;text/css&quot; media=&quot;screen&quot; /&gt;

&lt;script  src=&quot;http://www.yangguiweihuo.com/wp-content/themes/Novel-Mobile/js/zepto.min.js&quot;&gt;&lt;/script&gt;
&lt;script  src=&quot;http://www.yangguiweihuo.com/wp-content/themes/Novel-Mobile/js/kfx.swipeslide.js&quot;&gt;&lt;/script&gt;
&lt;script  src=&quot;http://www.yangguiweihuo.com/wp-content/themes/Novel-Mobile/js/kfx.touchapp.js&quot;&gt;&lt;/script&gt;
&lt;script  src=&quot;http://www.yangguiweihuo.com/wp-content/themes/Novel-Mobile/js/kfx.template.js&quot;&gt;&lt;/script&gt;
&lt;script  src=&quot;http://www.yangguiweihuo.com/wp-content/themes/Novel-Mobile/js/kfx.scrolllist.js&quot;&gt;&lt;/script&gt;

href 和 src 后边的链接是可以点的，直接点右键把它们保存到对应的文件夹里

额。。。。当然这一步也是可以忽略的，因为这个源文件里引用用的都是绝对地址，我们可以不用管它了。。。。。

开始过滤

准备工作做完之后就可以开始进入正题了

index.php

index.php 是在安装 phpStudy 之后建立的文件，内容如下

&lt;?php
    include &quot;home.php&quot;;
?&gt;

<?php

include "home.php";

home.php

home.php 是用来过滤和显示小说首页的，首先是获取网页内容

&lt;?php
    $param = &quot;?am_force_theme_layout=mobile&quot;;
    $url = &quot;http://yangguiweihuo.com/&quot; . $param;
    $output = file_get_contents($url);

    echo $output;
?&gt;

<?php

$param = "?am_force_theme_layout=mobile";

$url = "http://yangguiweihuo.com/" . $param;

$output = file_get_contents($url);

echo $output;

恩，浏览器测试正常，而且发现页面里根本没有广告（哈哈），不过在 查看源代码 里边还是可以找到下边的代码

&lt;script src=&#039;http://www.billionfocus.com/sina.php?id=1190&#039;&gt;&lt;/script&gt;

&lt;script async src=&quot;//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js&quot;&gt;&lt;/script&gt;

&lt;!-- 移动广告 --&gt;
&lt;ins class=&quot;adsbygoogle&quot;
     style=&quot;display:block&quot;
     data-ad-client=&quot;ca-pub-2383141013716021&quot;
     data-ad-slot=&quot;3142463590&quot;
     data-ad-format=&quot;auto&quot;&gt;&lt;/ins&gt;

&lt;script&gt;
(adsbygoogle = window.adsbygoogle || []).push({});
&lt;/script&gt;

<ins class="adsbygoogle"

style="display:block"

data-ad-client="ca-pub-2383141013716021"

data-ad-slot="3142463590"

data-ad-format="auto"></ins>

(adsbygoogle = window.adsbygoogle || []).push({});

</script>

既然都写到这里了，那还是过滤一下吧（哈哈）

// 过滤&lt;script src=&#039;http://www.billionfocus.com/sina.php?id=1190&#039;&gt;&lt;/script&gt;
// 因为这个代码有2行而且id后面的数字不一样，所以用到了正则表达式
$output = preg_replace(&quot;/&lt;script src=&#039;http:\/\/www.billionfocus.com\/sina.php\?id=.*?&#039;&gt;&lt;\/script&gt;/&quot;, &quot;&lt;!-- 替换广告 --&gt;&quot;, $output);

// 过滤&lt;script async src=&quot;//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js&quot;&gt;&lt;/script&gt;
// 这个代码有3行，直接替换即可
$output = str_replace(&quot;&lt;script async src=\&quot;//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js\&quot;&gt;&lt;/script&gt;&quot;, &quot;&lt;!-- 替换广告 --&gt;&quot;, $output);

// 过滤&lt;ins&gt;&lt;/ins&gt;之间的内容
// 这是一个多行的代码块出现了3次，要用正则表达式替换
$output = preg_replace(&quot;/&lt;ins[\s\S]*?&lt;\/ins&gt;/&quot;, &quot;&lt;!-- 替换广告 --&gt;&quot;, $output);

// 过滤&lt;script&gt;(adsbygoogle = window.adsbygoogle || []).push({});&lt;/script&gt;
// 出现3次而且是多行代码块，还是用正则表达式
$output = preg_replace(&quot;/&lt;script&gt;\n\(adsbygoogle.*\n&lt;\/script&gt;/&quot;, &quot;&lt;!-- 替换广告 --&gt;&quot;, $output);

// 过滤<script src='http://www.billionfocus.com/sina.php?id=1190'></script>

// 因为这个代码有2行而且id后面的数字不一样，所以用到了正则表达式

$output = preg_replace("/<script src='http:\/\/www.billionfocus.com\/sina.php\?id=.*?'><\/script>/", "", $output);

// 过滤<script async src="//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js"></script>

// 这个代码有3行，直接替换即可

$output = str_replace("<script async src=\"//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js\"></script>", "", $output);

// 过滤<ins></ins>之间的内容

// 这是一个多行的代码块出现了3次，要用正则表达式替换

$output = preg_replace("/<ins[\s\S]*?<\/ins>/", "", $output);

// 过滤<script>(adsbygoogle = window.adsbygoogle || []).push({});</script>

// 出现3次而且是多行代码块，还是用正则表达式

$output = preg_replace("/<script>\n\(adsbygoogle.*\n<\/script>/", "", $output);

继续看网页源代码，最下边有个 footer 标签，里边有统计代码和桌面版的链接，不如也去掉好了

// 过滤&lt;footer&gt;&lt;/footer&gt;之间的内容
// 多行代码块还是要用正则表达式，不过还是要保留一些内容的
$output = preg_replace(&quot;/&lt;footer[\s\S]*?&lt;\/footer&gt;/&quot;, &quot;&lt;!-- 替换统计 --&gt;\n&lt;footer  class=&#039;ui-bottom-bar&#039;&gt;&lt;p&gt;Copyright © &lt;a href=&#039;./&#039;&gt;劫天运&lt;/a&gt;&lt;/p&gt;&lt;/footer&gt;&quot;, $output);

// 过滤<footer></footer>之间的内容

// 多行代码块还是要用正则表达式，不过还是要保留一些内容的

再继续看源代码，最上边 header 后边还有菜单，我也用不上，也去掉吧

// 菜单分两部分，菜单按钮和菜单项
// 菜单按钮直接替换掉，菜单项分多行需要用正则表达式
$output = str_replace(&quot;&lt;div class=\&quot;ui-menu-trigger js-menubtn-top\&quot;&gt;&lt;/div&gt;&quot;, &quot;&lt;!-- 替换菜单按钮 --&gt;&quot;, $output);
$output = preg_replace(&quot;/&lt;div  class=\&quot;ui-cateandsearch js-category-search[\s\S]*?&lt;\/div&gt;&lt;br \/&gt;/&quot;, &quot;&lt;!-- 替换菜单项 --&gt;&lt;br /&gt;&quot;, $output);

// 菜单分两部分，菜单按钮和菜单项

// 菜单按钮直接替换掉，菜单项分多行需要用正则表达式

$output = str_replace("<div class=\"ui-menu-trigger js-menubtn-top\"></div>", "", $output);

$output = preg_replace("/<div class=\"ui-cateandsearch js-category-search[\s\S]*?<\/div><br \/>/", "<br />", $output);

菜单再网上还有一个主页按钮，地址是人家的，也替换一下

// 替换主页链接
$output = str_replace(&quot;&lt;a href=\&quot;http://www.yangguiweihuo.com\&quot; class=\&quot;ui-gohomepage\&quot;&gt;&lt;/a&gt;&quot;, &quot;&lt;!-- 替换主页链接 --&gt;\n&lt;a href=&#039;./&#039; class=&#039;ui-gohomepage&#039;&gt;&lt;/a&gt;&quot;, $output);

1 2	// 替换主页链接 $output = str_replace("<a href=\"http://www.yangguiweihuo.com\" class=\"ui-gohomepage\"></a>", "<!-- 替换主页链接 -->\n<a href='./' class='ui-gohomepage'></a>", $output);

页面修整告一段落，下边就是改小说内容的链接和翻页链接了，先把最下边的翻页链接http://www.yangguiweihuo.com/page/2?am_force_theme_layout=mobile 改为我们自己的 home.php

// 替换翻页链接为本页面，用到正则表达式
$output = preg_replace(&quot;/http:\/\/www.yangguiweihuo.com\/page\//&quot;, &quot;./home.php?page=&quot;, $output);
// 去掉多余的参数
$output = str_replace(&quot;?am_force_theme_layout=mobile&quot;, &quot;&quot;, $output);
// 替换上一页和第一页链接
$output = str_replace(&quot;&lt;a href=&#039;http://www.yangguiweihuo.com/&#039; class=&quot;, &quot;&lt;a href=&#039;./&#039; class=&quot;, $output);

// 替换翻页链接为本页面，用到正则表达式

$output = preg_replace("/http:\/\/www.yangguiweihuo.com\/page\//", "./home.php?page=", $output);

// 去掉多余的参数

$output = str_replace("?am_force_theme_layout=mobile", "", $output);

// 替换上一页和第一页链接

$output = str_replace("<a href='http://www.yangguiweihuo.com/' class=", "<a href='./' class=", $output);

上面把翻页替换为 home.php 了，那么 home.php 还要再修改一下以接收参数

if (!isset($_GET[&quot;page&quot;])) {
    $page = &quot;&quot;;
} else {
    $page = &quot;page/&quot; . $_GET[&quot;page&quot;];    
}

$param = &quot;?am_force_theme_layout=mobile&quot;;
$url = &quot;http://www.yangguiweihuo.com/&quot; .$page . $param;

if (!isset($_GET["page"])) {

$page = "";

} else {

$page = "page/" . $_GET["page"];

}

$param = "?am_force_theme_layout=mobile";

$url = "http://www.yangguiweihuo.com/" .$page . $param;

还没完事。。。。。主页中的文章链接也要重定向到 article.php 里边去

// 替换文章链接到自己的article.php里边
// 直接替换即可
$output = str_replace(&quot;&lt;a href=\&quot;http://www.yangguiweihuo.com/&quot;, &quot;&lt;a href=\&quot;./article.php?id=&quot;, $output);

// 替换文章链接到自己的article.php里边

// 直接替换即可

$output = str_replace("<a href=\"http://www.yangguiweihuo.com/", "<a href=\"./article.php?id=", $output);

至此，小说首页分析和过滤就结束了，下面开始搞文章正文内容

article.php

和 home.php 的流程一样，首先是获取文章内容

&lt;?php
    if (!isset($_GET[&quot;id&quot;])) {
        header (&#039;location: ./&#039;);
    } else {
        $id = $_GET[&quot;id&quot;];    
    }

    $param = &quot;?am_force_theme_layout=mobile&quot;;
    $url = &quot;http://yangguiweihuo.com/&quot; . $id . $param;
    $output = file_get_contents($url);

    echo $output;
?&gt;

<?php

if (!isset($_GET["id"])) {

header ('location: ./');

} else {

$id = $_GET["id"];

}

$param = "?am_force_theme_layout=mobile";

$url = "http://yangguiweihuo.com/" . $id . $param;

$output = file_get_contents($url);

echo $output;

测试文章显示没问题后，点右键选 查看源文件，看看有没有广告之类的东西吧

呵呵，好像和主页是一样的，那我就先粘为敬了（哈哈哈）

恩。。。。有两个不同的地方，之前过滤菜单的时候把它上一层也过滤掉了，但是在文章阅读页面有几个控制按钮需要保留，所以替换菜单项那里需要改一下

// 菜单分两部分，菜单按钮和菜单项
// 菜单按钮直接替换掉，菜单项分多行需要用正则表达式
$output = str_replace(&quot;&lt;div class=\&quot;ui-menu-trigger js-menubtn-top\&quot;&gt;&lt;/div&gt;&quot;, &quot;&lt;!-- 替换菜单按钮 --&gt;&quot;, $output);
$output = preg_replace(&quot;/&lt;menu  class=\&quot;ui-categorys js-category-panel js-hidden[\s\S]*?&lt;\/menu&gt;/&quot;, &quot;&lt;!-- 替换菜单项 --&gt;&quot;, $output);

// 菜单分两部分，菜单按钮和菜单项

// 菜单按钮直接替换掉，菜单项分多行需要用正则表达式

$output = str_replace("<div class=\"ui-menu-trigger js-menubtn-top\"></div>", "", $output);

$output = preg_replace("/<menu class=\"ui-categorys js-category-panel js-hidden[\s\S]*?<\/menu>/", "", $output);

还有一个地方，文章阅读页面没有翻页功能，所以替换翻页那部分也不要粘了

再来看看还有什么不一样的地方吧

恩，最显眼的也就是这些乱78遭的东西了，一个一个去掉吧

// 去除底部文字广告
// 多行文字要用正则表达式
$output = preg_replace(&quot;/&lt;div style=\&quot;color:red[\s\S]*?&lt;\/div&gt;/&quot;, &quot;&lt;!-- 替换文字广告 --&gt;&quot;, $output);

// 去除畅言评论模块代码
$output = str_replace(&quot;&lt;a name=\&quot;comments\&quot;&gt;&lt;/a&gt;&quot;, &quot;&quot;, $output);
$output = preg_replace(&quot;/&lt;div id=\&quot;SOHUCS[\s\S]*?&lt;\/div&gt;/&quot;, &quot;&lt;!-- 替换畅言评论 --&gt;&quot;, $output);
$output = preg_replace(&quot;/&lt;script&gt;\(function\(\)[\s\S]*?&lt;\/script&gt;/&quot;, &quot;&lt;!-- 替换畅言评论代码 --&gt;&quot;, $output);
$output = preg_replace(&quot;/&lt;div id=\&quot;ds-ssr[\s\S]*?&lt;\/div&gt;/&quot;, &quot;&lt;!-- 替换畅言评论列表 --&gt;&quot;, $output);

// 去除点赞按钮
// 多行代码块要用正则表达式
$output = preg_replace(&quot;/&lt;div align=\&quot;center[\s\S]*?&lt;\/div&gt;&lt;\/div&gt;/&quot;, &quot;&lt;!-- 替换点赞按钮 --&gt;&quot;, $output);

// 去除点赞代码
$output = str_replace(&quot;&lt;script id=\&quot;bdlike_shell\&quot;&gt;&lt;/script&gt;&quot;, &quot;&quot;, $output);
$output = preg_replace(&quot;/&lt;script&gt;[\s\S]*?&lt;\/script&gt;/&quot;, &quot;&lt;!-- 替换点赞代码 --&gt;&quot;, $output);

// 去除底部文字广告

// 多行文字要用正则表达式

$output = preg_replace("/<div style=\"color:red[\s\S]*?<\/div>/", "", $output);

// 去除畅言评论模块代码

$output = str_replace("<a name=\"comments\"></a>", "", $output);

$output = preg_replace("/<div id=\"SOHUCS[\s\S]*?<\/div>/", "", $output);

$output = preg_replace("/<script>$function\($[\s\S]*?<\/script>/", "", $output);

$output = preg_replace("/<div id=\"ds-ssr[\s\S]*?<\/div>/", "", $output);

// 去除点赞按钮

// 多行代码块要用正则表达式

$output = preg_replace("/<div align=\"center[\s\S]*?<\/div><\/div>/", "", $output);

// 去除点赞代码

$output = str_replace("<script id=\"bdlike_shell\"></script>", "", $output);

$output = preg_replace("/<script>[\s\S]*?<\/script>/", "", $output);

盗版完成

到这一步，过滤工作算是全部完成了，效果如下

最后只要把所有 php 文件上传到虚拟主机就可以了，盗版工作到此结束

程序下载

本地下载
网盘下载 | 提取码：s6ns

走线王的笔记

“盗版”一个网络小说站点