欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

TP5框架使用QueryList采集框架爬小说操作示例

程序员文章站 2023-11-21 21:49:04
本文实例讲述了tp5框架使用querylist采集框架爬小说操作。分享给大家供大家参考,具体如下:最近想写一个小说网站,就去搜资料,搜出来tp5可以使用querylist采集框架去爬小说,这里我来给大...

本文实例讲述了tp5框架使用querylist采集框架爬小说操作。分享给大家供大家参考,具体如下:

最近想写一个小说网站,就去搜资料,搜出来tp5可以使用querylist采集框架去爬小说,这里我来给大家详解如何用querylist去爬小说。
#首先应该下载tp5框架,然后在extend里面建立一个文件夹命名为ql,再去官网下载querylist,然后把phpquery.php 和 querylist.php 两个文件放在ql文件夹下,如图:
TP5框架使用QueryList采集框架爬小说操作示例
##在querylist.php里面加上命名空间:

namespace ql;
require ‘phpquery.php';

use phpquery,exception,reflectionclass;
use monolog\logger;
use monolog\handler\streamhandler;
use iterator,countable,arrayaccess;//使用phpquuery接口

#准备工作做好了下来开始采集小说(我们这里以https://www.17k.com/这个网站的免费小说为例)

##先找到你要采集的小说的目录页面的url作为采集url

##再在url前面加上 view-source: 查看他的源码,找到包含所有章节url的class属性,写好采集规则,执行语句进行采集

##采集他的章节名和每一章节的url,因为url采集下来没有域名,需要用正则表达式加上https://www.17k.com 然后采用for循环去一个一个采集每一章节的内容

##最后再将采集到的章节名与章节内容存入数据库

直接上代码:

<?php
namespace app\index\controller;
use think\controller;
use ql\querylist;
 
class xiaoshuo extends controller
{
  public function index()
  {
    //采集目标
    //$url = 'https://www.17k.com/list/3032846.html?offset=';
     $url = 'https://www.17k.com/list/3041226.html?offset=';
    //采集规则
    $rules = array(
          'title'=>array('.ellipsis','text'),//获取书每个章节名
          'link'=>array('.volume a','href','-.folding -copy -a'),//获取每个章节链接
        );
    //开始采集
    $data = querylist::query($url,$rules)->data;
    //var_dump($data);
    //求数组长度
     $j = count($data);
    if($data)
    {
      for($i=0;$i<=$j-1;$i++)
      {
       $values = ['title'=>$data[$i]['title'],'link'=>$data[$i+1]['link']];
       $_post['url']=$data[$i+1]['link'];
       if (!preg_match("/^(http|ftp):/", $_post['url']))//给链接加上域名头
        {
         $url1 = 'https://www.17k.com'.$_post['url'];
        }
       $rules1 = array(
          'novel'=>array('.p','text','-li -a'),
          );
       $data1 = querylist::query($url1,$rules1)->data;
       //var_dump($data1);
       $values1 = ['title'=>$data[$i]['title'],'novel'=>$data1[0]['novel']];//将章节名、内容插入数据库
       $data2 = \think\db::name('novel6')->insert($values1); 
      }
    }
    
  }
}

我们来打印一下他的章节名和章节内容:
TP5框架使用QueryList采集框架爬小说操作示例TP5框架使用QueryList采集框架爬小说操作示例注:1.class属性一定要找对
2.采集下来 $data 的第一个数组的link不是第一章的url,下一个才是第一章的,所以 data[ data[" role="presentation" style="position: relative;">data[i+1][‘link'] 是他第i章的url