几种PHP实现网页抓取的程序代码
抓取某一个网页中的内容,需要对DOM树进行解析,找到指定节点后,再抓取我们需要的内容,过程有点繁琐,LZ总结了几种常用的、易于实现的网页抓取方式,如果熟悉JQuery选择器,这几种框架会相当简单.
一、Ganon
项目地址:http://code.google.com/p/ganon/
文档:http://code.google.com/p/ganon/w/list
测试:抓取我的网站首页所有class属性值是focus的div元素,并且输出class值
class, "
n"; }
二、phpQuery
项目地址:http://code.google.com/p/phpquery/
文档:https://code.google.com/p/phpquery/wiki/Manual
测试:抓取我网站首页的article标签元素,然后出书其下h2标签的html值
find('h2')->html()."
"; }
三、Simple-Html-Dom
项目地址:http://simplehtmldom.sourceforge.net/
文档:http://simplehtmldom.sourceforge.net/manual.htm
测试:抓取我网站首页的所有链接
find('img') as $element) // echo $element->src . '
'; //找到所有链接 foreach($html->find('a') as $element) echo $element->href . '
';
四、Snoopy
项目地址:http://code.google.com/p/phpquery/
文档:http://code.google.com/p/phpquery/wiki/Manual
测试:抓取我的网站首页
fetch($url); //获取所有内容 echo $snoopy->results; //显示结果 // echo $snoopy->fetchtext ;//获取文本内容(去掉html代码) // echo $snoopy->fetchlinks($url) ;//获取链接 // $snoopy->fetchform ;//获取表单
五、手动编写爬虫
如果编写能力ok,可以手写一个网页爬虫,实现网页抓取,网上有千篇一律的介绍此方法的文章,LZ就不赘述了,有兴趣了解的,可以百度 php 网页抓取.
本文地址:
转载随意,但请附上文章地址:-)
下一篇: HTML标签嵌套的详细规则