比如我需要从http://gmail.com/抢的免费存储空间数量：如何在网站上抓取动态内容并保存？
Over <span id=quota>2757.272164</span> megabytes (and counting) of free storage.
，然后将这些数字存储在MySQL数据库中。如你所见，这个数字正在动态变化。
有没有一种方法可以设置服务器端脚本将抓住该号码，每次更改并将其保存到数据库？
谢谢。
由于Gmail没有提供任何API来获取此信息，这听起来像你想要做一些web scraping。
网页抓取（也称为Web 收获或网络数据提取）是 从网站 提取信息的计算机软件技术
这样做有多种方式，如在维基百科中提到文章链接之前：
人复制和粘贴：有时甚至 最好的网络抓取技术可以 不能替代人工检测 并且复制粘贴，有时这个 可能是唯一可行的解决方案，当 的网站为了明确 设置屏障阻止机器 自动化。
文本grepping和正则表达式 匹配：一个简单但功能强大的 方法来提取 网页信息可以基于UNIX的 grep命令或正则表达式的编程 语言 配套设施（例如Perl或 蟒蛇）。
HTTP编程：静态和动态 通过使用套接字编程发送 HTTP请求到远程Web服务器 可以检索网页。
DOM解析：通过嵌入 全面的Web浏览器，如 的Internet Explorer或Mozilla Web浏览器 控制，程序可以检索 通过 客户端脚本生成的动态内容。这些Web浏览器控件还会将网页解析为一个 DOM树，根据这些程序 可以检索网页的某些部分。
HTML解析器：一些半结构化 数据查询语言，如XML 化查询语言（XQL）和 超文本查询语言（HTQL），可以 用来解析HTML页面和 检索并转换Web内容。
网络抓取软件：有很多 网络抓取软件可用， 可以用来定制网络抓取 的解决方案。这些软件可以提供 一个Web记录接口，其去除 必要性手动编写 Web的刮代码，或可被用来提取 和变换Web内容一些脚本 功能，并且 数据库接口可以存储 刮下本地数据库中的数据。
语义标注认识到：本 网页可以接受的元数据或可 被利用来定位特定的数据 片段 语义标记/注释。如果嵌入页面的注释是 ，就像Microformat 一样，这种技术可以被看作是DOM解析的特例。在 另一种情况下，组织成一个语义层2注释， ， 存储和管理分离 的网页，所以从这个层刮 页面之前网络刮刀可 检索数据架构和指令 。
在我继续之前，请记住所有这些的legal implications。我不知道它是否符合gmail的条款，我建议在继续前检查它们。您最终可能会被列入黑名单或遇到类似的其他问题。
所有的说法，我想说，在你的情况下，你需要某种蜘蛛和DOM解析器登录到Gmail并找到你想要的数据。这个工具的选择将取决于您的技术堆栈。
作为一个红宝石dev，我喜欢使用Mechanize和nokogiri。使用PHP，你可以看看像Sphider这样的解决方案。
我可以看到你这样做的一种方式（这可能不是最有效的方式）是使用PHP和YQL（来自雅虎）。使用YQL，您可以指定网页（www.gmail.com）和XPATH以获得span标签内的值。它本质上是网页抓取，但YQL为您提供了一种使用大概4-5行代码的好方法。
你可以把这整个东西包装在一个函数中，该函数每x秒调用一次，或者你正在寻找的任何时间段。
在这种特殊情况下撇开合法性的问题，我建议如下：
试图攻击的东西是不可能的，停下来思考的地方不可能的来源，以及是否选择了正确的道路。
您是否真的认为有人在他的脑海里会发出一个新的http连接，或者更糟的是持有一个开放的comet连接来查看公共存储是否增长了？对于一个一致的用户？只需查看并找到一个函数，该函数根据某个初始值和当前时间计算值。
最初我以为这是不可能的认为这个数字是由JavaScript初始化的。
但是，如果你关闭javascript的数量是在span标记中，并且可能是一个javascript函数以固定间隔增加它。
因此，您可以使用curl，fopen等从url中读取内容，然后解析查找此值的内容以将其存储在datanase中。并设置一个定期做这项工作。
有很多关于如何做到这一点的参考。包括SO。如果你被卡住了，那么就打开另一个问题。
警告：Google有办法查明他们的应用程序是否被刮掉，并且他们会在一段时间内阻止您的IP。阅读谷歌的小字。这发生在我身上。
只是为了澄清，我不需要登录到Gmail，它是一个简单的“欢迎使用Gmail”页面，在您登录之前。 – Docstero 2010-04-15 14:17:27
您是否需要更多信息才能接受答案？ – marcgg 2010-05-21 08:43:08