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: ......
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:
|
安装phantomjs插件
|
1
2
|
composer require jaeger/querylist-phantomjs
github: https:
|
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();
$ql->use(phantomjs::class,'/usr/local/bin/phantomjs');
$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
|
$ql->browser('https://m.toutiao.com',true,[
'--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);
$r->setdelay(3);
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);
$r->setdelay(3);
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