如何处理重定向_PHP爬虫处理302跳转页面方法【解答】

php curl 默认不跟随302重定向，需显式设置curlopt_followlocation为true，并注意open_basedir限制、手动解析location头、使用guzzle等更稳妥方案。

PHP cURL 默认不跟随 302 重定向

cURL 在 PHP 中默认关闭自动跳转，CURLOPT_FOLLOWLOCATION 是禁用状态。这意味着发起请求后，即使服务器返回 302 Found，cURL 也不会自动请求新 Location 头里的地址，而是直接返回跳转响应体（通常是空或一段 HTML），你拿到的不是目标页面内容。

解决方法是显式开启跳转支持，并注意关联限制：

• 必须同时设置 CURLOPT_FOLLOWLOCATION 为 true
• 若启用了 open_basedir 或 safe_mode（已废弃但某些旧环境仍有影响），CURLOPT_FOLLOWLOCATION 会被强制禁用，此时只能手动解析 Location 头并递归请求
• 建议搭配 CURLOPT_MAXREDIRS 限制跳转次数，防止循环重定向（如 A→B→A）

手动处理 302 响应头中的 Location

当无法启用 CURLOPT_FOLLOWLOCATION（例如共享主机禁用该选项），就得自己读响应头、提取 Location、再发新请求。关键点在于分离响应头与响应体，并避免被压缩或 chunked 编码干扰：

• 务必设置 CURLOPT_HEADER 为 true，让 cURL 返回头+体混合内容
• 用 strpos($response, "rnrn") 或正则匹配 /rnrn/ 分割头与体，不要依赖 get_headers() —— 它不经过 cURL 的实际传输过程，可能拿不到真实跳转头
• 从头部分用 preg_match('/Location:s*(.+)/i', $headers, $matches) 提取跳转地址，注意 trim 空格和换行
• 跳转地址可能是相对路径（如 /login?next=/admin），需用 dirname($url) . '/' . $location 或 http_build_url()（PECL 扩展）补全为绝对 URL

使用 Guzzle HTTP 客户端更稳妥

Guzzle 默认开启重定向跟随，且自动处理相对 Location、跳转次数限制、cookie 透传等细节，比裸 cURL 更少出错：

立即学习“PHP免费学习笔记（深入）”；

• 安装：composer require guzzlehttp/guzzle
• 基础用法：$client->get($url, ['allow_redirects' => true])，其中 allow_redirects 可设为布尔值或数组（含 max、strict、referer 等键）
• 注意：若目标站对 Referer 敏感，Guzzle 默认不携带，可加 'headers' => ['Referer' => $url] 模拟来源
• 跳转过程中 Cookie 默认跨域丢失，如需保持会话，确保 allow_redirects['track_redirects'] 开启并检查 Set-Cookie 是否被正确解析

重定向链中 Cookie 和 Referer 的行为差异

不同客户端对跳转时的请求头继承策略不同，这直接影响登录态或权限校验类页面的抓取结果：

• cURL 开启 CURLOPT_FOLLOWLOCATION 后，Cookie 会自动带上（前提是之前设置了 CURLOPT_COOKIEJAR 或 CURLOPT_COOKIEFILE），但 Referer 不会自动设为上一跳 URL —— 需手动在每次请求前设置 CURLOPT_REFERER
• Guzzle 默认不发送 Referer，也不自动把上一跳 URL 当作当前跳转的 Referer；若需模拟浏览器行为，必须显式配置 allow_redirects['referer'] = true
• 某些站点（如微信 OAuth 回调）严格校验 Referer 或跳转链完整性，此时手动实现跳转比依赖自动跟随更可控

重定向看着只是换个 URL，但 Cookie 生命周期、Referer 链路、相对路径解析、跳转深度限制这些细节，任何一个没对齐都可能导致“明明跳了却拿不到数据”。别只盯着 302 状态码本身。