软件、硬件定制开发,联系QQ:99605319
资源语言: 中文

## 特性

- 拥有与jQuery完全相同的CSS3 DOM选择器

- 拥有与jQuery完全相同的DOM操作API

- 拥有通用的列表采集方案

- 拥有强大的HTTP请求套件,轻松实现如:模拟登陆、伪造浏览器、HTTP代理等意复杂的网络请求

- 拥有乱码解决方案

- 拥有强大的内容过滤功能,可使用jQuey选择器来过滤内容

- 拥有高度的模块化设计,扩展性强

- 拥有富有表现力的API

- 拥有高质量文档

- 拥有丰富的插件

- 拥有专业的问答社区和交流群


通过插件可以轻松实现诸如:

- 多线程采集

- 采集JavaScript动态渲染的页面 (PhantomJS/headless WebKit)

- 图片本地化

- 模拟浏览器行为,如:提交Form表单

- 网络爬虫

- .....


## 环境要求

- PHP >= 7.0


- 采集百度搜索结果


```php

$ql = QueryList::get('http://www.baidu.com/s?wd=QueryList');


$ql->find('title')->text(); // 获取网站标题

$ql->find('meta[name=keywords]')->content; // 获取网站头部关键词


$ql->find('h3>a')->texts(); //获取搜索结果标题列表

$ql->find('h3>a')->attrs('href'); //获取搜索结果链接列表


$ql->find('img')->src; //获取第一张图片的链接地址

$ql->find('img:eq(1)')->src; //获取第二张图片的链接地址

$ql->find('img')->eq(2)->src; //获取第三张图片的链接地址

// 遍历所有图片

$ql->find('img')->map(function($img){

echo $img->alt;  //打印图片的alt属性

});

```

- 更多用法


```php

$ql->find('#head')->append('<div>追加内容</div>')->find('div')->htmls();

$ql->find('.two')->children('img')->attrs('alt'); //获取class为two元素下的所有img孩子节点

//遍历class为two元素下的所有孩子节点

$data = $ql->find('.two')->children()->map(function ($item){

    //用is判断节点类型

    if($item->is('a')){

        return $item->text();

    }elseif($item->is('img'))

    {

        return $item->alt;

    }

});


$ql->find('a')->attr('href', 'newVal')->removeClass('className')->html('newHtml')->...

$ql->find('div > p')->add('div > ul')->filter(':has(a)')->find('p:first')->nextAll()->andSelf()->...

$ql->find('div.old')->replaceWith( $ql->find('div.new')->clone())->appendTo('.trash')->prepend('Deleted')->...

```

#### 列表采集

采集百度搜索结果列表的标题和链接:

```php

$data = QueryList::get('http://www.baidu.com/s?wd=QueryList')

// 设置采集规则

    ->rules([ 

    'title'=>array('h3','text'),

    'link'=>array('h3>a','href')

])

->query()->getData();


print_r($data->all());

```

采集结果:

```

Array

(

    [0] => Array

        (

            [title] => QueryList|基于phpQuery的无比强大的PHP采集工具

            [link] => http://www.baidu.com/link?url=GU_YbDT2IHk4ns1tjG2I8_vjmH0SCJEAPuuZN

        )

    [1] => Array

        (

            [title] => PHP 用QueryList抓取网页内容 - wb145230 - 博客园

            [link] => http://www.baidu.com/link?url=zn0DXBnrvIF2ibRVW34KcRVFG1_bCdZvqvwIhUqiXaS

        )

    [2] => Array

        (

            [title] => 介绍- QueryList指导文档

            [link] => http://www.baidu.com/link?url=pSypvMovqS4v2sWeQo5fDBJ4EoYhXYi0Lxx

        )

        //...

)

```

#### 编码转换

```php

// 输出编码:UTF-8,输入编码:GB2312

QueryList::get('https://www.08i8.com')->encoding('UTF-8','GB2312')->find('a')->texts();


// 输出编码:UTF-8,输入编码:自动识别

QueryList::get('https://www.08i8.com')->encoding('UTF-8')->find('a')->texts();

```


#### HTTP网络操作(GuzzleHttp)

- 携带cookie登录新浪微博

```php

//采集新浪微博需要登录才能访问的页面

$ql = QueryList::get('http://weibo.com','param1=testvalue & params2=somevalue',[

    'headers' => [

        //填写从浏览器获取到的cookie

        'Cookie' => 'SINAGLOBAL=546064; wb_cmtLike_2112031=1; wvr=6;....'

    ]

]);

//echo $ql->getHtml();

echo $ql->find('title')->text();

//输出: 我的首页 微博-随时随地发现新鲜事

```

- 使用Http代理

```php

$urlParams = ['param1' => 'testvalue','params2' => 'somevalue'];

$opts = [

// 设置http代理

    'proxy' => 'http://222.141.11.17:8118',

    //设置超时时间,单位:秒

    'timeout' => 30,

     // 伪造http头

    'headers' => [

        'Referer' => 'https://www.08i8.com',

        'User-Agent' => 'testing/1.0',

        'Accept'     => 'application/json',

        'X-Foo'      => ['Bar', 'Baz'],

        'Cookie'    => 'abc=111;xxx=222'

    ]

];

$ql->get('http://httpbin.org/get',$urlParams,$opts);

// echo $ql->getHtml();

```


- 模拟登录

```php

// 用post登录

$ql = QueryList::post('http://www.08i8.com/login',[

    'username' => 'admin',

    'password' => '123456'

])->get('http://www.08i8.com/admin');

//采集需要登录才能访问的页面

$ql->get('http://www.08i8.com/admin/page');

//echo $ql->getHtml();

```


#### Form表单操作

模拟登陆GitHub

```php

// 获取QueryList实例

$ql = QueryList::getInstance();

//获取到登录表单

$form = $ql->get('https://www.08i8.com/login')->find('form');


//填写GitHub用户名和密码

$form->find('input[name=login]')->val('your github username or email');

$form->find('input[name=password]')->val('your github password');


//序列化表单数据

$fromData = $form->serializeArray();

$postData = [];

foreach ($fromData as $item) {

    $postData[$item['name']] = $item['value'];

}


//提交登录表单

$actionUrl = 'https://www.08i8.com'.$form->attr('action');

$ql->post($actionUrl,$postData);

//判断登录是否成功

// echo $ql->getHtml();

$userName = $ql->find('.header-nav-current-user>.css-truncate-target')->text();

if($userName)

{

    echo '登录成功!欢迎你:'.$userName;

}else{

    echo '登录失败!';

}

```

#### Bind功能扩展

自定义扩展一个`myHttp`方法:

```php

$ql = QueryList::getInstance();


//绑定一个myHttp方法到QueryList对象

$ql->bind('myHttp',function ($url){

    // $this 为当前的QueryList对象

    $html = file_get_contents($url);

    $this->setHtml($html);

    return $this;

});


//然后就可以通过注册的名字来调用

$data = $ql->myHttp('https://toutiao.io')->find('h3 a')->texts();

print_r($data->all());

```

或者把实现体封装到class,然后这样绑定:

```php

$ql->bind('myHttp',function ($url){

    return new MyHttp($this,$url);

});

```


#### 插件使用

- 使用PhantomJS插件采集JavaScript动态渲染的页面:


```php

// 安装时设置PhantomJS二进制文件路径 

$ql = QueryList::use(PhantomJs::class,'/usr/local/bin/phantomjs');


// 采集今日头条手机版

$data = $ql->browser('https://m.toutiao.com')->find('p')->texts();

print_r($data->all());


// 使用HTTP代理

$ql->browser('https://m.toutiao.com',false,[

'--proxy' => '192.168.1.42:8080',

    '--proxy-type' => 'http'

])

```


- 使用CURL多线程插件,多线程采集GitHub排行榜:


```php

$ql = QueryList::use(CurlMulti::class);

$ql->curlMulti([

    'https://www.08i8.com/trending/php',

    'https://www.08i8.com/trending/go',

    //.....more urls

])

 // 每个任务成功完成调用此回调

 ->success(function (QueryList $ql,CurlMulti $curl,$r){

    echo "Current url:{$r['info']['url']} \r\n";

    $data = $ql->find('h3 a')->texts();

    print_r($data->all());

})

 // 每个任务失败回调

->error(function ($errorInfo,CurlMulti $curl){

    echo "Current url:{$errorInfo['info']['url']} \r\n";

    print_r($errorInfo['error']);

})

->start([

// 最大并发数

    'maxThread' => 10,

    // 错误重试次数

    'maxTry' => 3,

]);


```



php资源(php采集工具(爬虫)类及使用案例)网址:https://www.08i8.com/ttkfzy/detail83048.html;转载请注明!


提示:
1、资源共享网(www.08i8.com)php资源《php采集工具(爬虫)类及使用案例》仅供研究学习请勿商用!
2、如果发现本资源违法或侵权请【报告管理员】
3、您所看到的所有资源都是网友分享,资源共享网(www.08i8.com)无法保证都能正常下载使用,
4、如果您发现资源无法下载或无法使用请【报告管理员】,管理员会联系资源发布者补充新资源!
5、如果暂时无法补充新资源,【只退积分!不退款!
6、关注微信公众号:《国资互联联盟》 不迷路!

与《php采集工具(爬虫)类及使用案例》相关的《函数类库》


  • java使用fmath类库实现latex公式与mathml公式相互转换(源码)

    java使用fmath类库实现latex公式与mathml公式相互转换(源码)

    依赖fmath-latex-mathml-0.5.jarfmath-mathml-1.0.jarfmath-mathml-java-3.1.jar 3个jar中央仓库没有

    5 54907  0


  • 简洁的PHP采集工具(QueryList爬虫)

    简洁的PHP采集工具(QueryList爬虫)

    ## 特性- 拥有与jQuery完全相同的CSS3 DOM选择器- 拥有与jQuery完全相同的DOM操作API- 拥有通用的列表采集方案- 拥有强大的HTTP请求套件,轻松实现如:模拟登陆、伪造浏览器、HTTP代理等意复杂的网络请求- 拥有乱码解决方案- 拥有强大的内容过滤功能,可使用jQuey选择器来过滤内容- 拥有高度的模块化设计,扩展性强- 拥有富有表现力的API- 拥有高质量文档- 拥有...

    5 58453  0


  • ziyuan
    ziyuan Rank: 16

    0

    0

    0

    ( 此人很懒并没有留下什么~~ )
    img

    php采集工具(爬虫)类及使用案例

    下载积分 钻石会员
    5 免费
    请您 登录后 下载 !
    说明

    您下载所消耗的积分将转交上传作者。上传资源,免费获取积分!


    首页

    栏目

    搜索

    会员