QueryList使用jQuery的方式来做采集,拥有丰富的插件。
下面来演示QueryList使用PhantomJS插件抓取JS动态创建的页面内容。
安装
使用Composer安装:
安装QueryList
1 2 | composer require jaeger/querylist
GitHub: https: //github.com/jae-jae/QueryList
|
安装PhantomJS插件
1 2 | composer require jaeger/querylist-phantomjs
GitHub: https: //github.com/jae-jae/QueryList-PhantomJS
|
下载PhantomJS二进制文件
PhantomJS官网:http://phantomjs.org ,下载对应平台的PhantomJS二进制文件。
插件API
QueryList browser($url,$debug = false,$commandOpt = []):使用浏览器打开连接
使用
以采集「今日头条」手机版为例,「今日头条」手机版基于React框架,内容是纯动态渲染出来的。
下面演示QueryList的PhantomJs插件用法:
安装插件
1 2 3 4 5 6 7 | use QL\QueryList;
use QL\Ext\PhantomJs;
$ql = QueryList::getInstance();
// 安装时需要设置PhantomJS二进制文件路径
$ql -> use (PhantomJs:: class , '/usr/local/bin/phantomjs' );
//or Custom function name
$ql -> use (PhantomJs:: class , '/usr/local/bin/phantomjs' , 'browser' );
|
Example-1
获取动态渲染的HTML:
1 2 | $html = $ql ->browser( 'https://m.toutiao.com' )->getHtml();
print_r( $html );
|
获取所有p标签文本内容:
1 2 | $data = $ql ->browser( 'https://m.toutiao.com' )->find( 'p' )->texts();
print_r( $data ->all());
|
输出:
1 2 3 4 5 6 7 | Array
(
[0] => 自拍模式开启!国庆假期我和国旗合个影
[1] => 你旅途已开始 他们仍在自己的岗位上为你的假期保驾护航
[2] => 喜极而泣,都教授终于回到地球了!
//....
)
|
使用http代理:
1 2 3 4 5 6 | // 更多选项可以查看文档: http://phantomjs.org/api/command-line.html
$ql ->browser( 'https://m.toutiao.com' ,true,[
// 使用http代理
'--proxy' => '192.168.1.42:8080' ,
'--proxy-type' => 'http'
])
|
Example-2
自定义一个复杂的请求:
1 2 3 4 5 6 7 8 | $data = $ql ->browser( function (\JonnyW\PhantomJs\Http\RequestInterface $r ){
$r ->setMethod( 'GET' );
$r ->setUrl( 'https://m.toutiao.com' );
$r ->setTimeout(10000); // 10 seconds
$r ->setDelay(3); // 3 seconds
return $r ;
})->find( 'p' )->texts();
print_r( $data ->all());
|
开启debug模式,并从本地加载cookie文件:
1 2 3 4 5 6 7 8 9 10 11 12 13 | $data = $ql ->browser( function (\JonnyW\PhantomJs\Http\RequestInterface $r ){
$r ->setMethod( 'GET' );
$r ->setUrl( 'https://m.toutiao.com' );
$r ->setTimeout(10000); // 10 seconds
$r ->setDelay(3); // 3 seconds
return $r ;
},true,[
'--cookies-file' => '/path/to/cookies.txt'
])->rules([
'title' => [ 'p' , 'text' ],
'link' => [ 'a' , 'href' ]
])->query()->getData();
print_r( $data ->all());
|
明确的学习思路能更高效的学习
点此加入该群学习