プログラマーは今でも広告付きの小説を読んでいますか?-PHPチュートリアル-php.cn

小説を読むことに慣れている人もいて、時々数章読んでいます。それらはすべて Baidu によって公開されていますが、基本的に非常に迷惑な広告があります。div 全体へのリンクを追加するか、誤って触れてしまうと、一部の Web サイトにジャンプしたり、無限ループに陥ったりすることもあります。一部のモバイルアプリには大量の広告が表示されるため、広告の煩わしさを避けるために小さなプログラムを作成する以外に何もすることがありません。

この記事ではを使用します。広告の真の削除を実現するために、phpcurl を使用してページ simple_html_dom parsingを収集します。

どんな小説 Web サイトでも本を探しますが、このサイトは上記の問題のため携帯電話では特に扱いにくいです:

プログラマーは今でも広告付きの小説を読んでいますか?

これを読んでくださいこの小説手術を行います。 (免責事項: これは決して宣伝、侵害、削除ではありません)

1.curl の get メソッドを理解する

curl は、次の方法でアップロードまたはダウンロードするコマンドラインツールです。指定したURLデータを取得して表示します。 curl の c はクライアントを意味し、URL は URL を意味します。

PHP で cURL を使用すると、Get および Post リクエストメソッドを実装できます

小説の単純なクロールには get メソッドのみが必要です。

次のサンプルコードは、get リクエストで小説の第 1 章ページの html を取得する例で、url パラメーターを変更するだけです。

初期化、オプションの設定、証明書の検証、実行、終了

ログイン後にコピー

コメントは特に詳細です。手順に従って、curl get リクエストを送信します。 postリクエストを実行すると、postオプションを設定し、パラメータを渡し、最後に取得した情報を出力するための追加設定が必要です。実行結果は次のようになります。CSSレンダリングはありません。

プログラマーは今でも広告付きの小説を読んでいますか?

2. ページを解析します

出力ページには不要なコンテンツが多く含まれているため、次から抽出する必要があります。すべてのコンテンツタイトルや各章の内容など、必要なコンテンツを取得するには、ページを解析する必要があります。

ページを解析するにはさまざまな方法があります。ここでは Simple_html_dom が使用されています。simple_html_dom.php クラス、インスタンスオブジェクトをダウンロードして参照し、内部メソッドを呼び出す必要があります。具体的な方法については、公式サイトや中国サイトのドキュメントなどを確認してください。

まず、この小説ページのソースコードを分析し、この章のタイトルと内容に対応する要素を確認します。

最初のタイトルは、クラスのブック名の h1 の下です。

プログラマーは今でも広告付きの小説を読んでいますか?

次にコンテンツ: コンテンツの ID を持つ div の下で、

プログラマーは今でも広告付きの小説を読んでいますか?

simple_html_dom はjquery に似た find メソッド。セレクターは、位置決めされた要素を見つけます。例:

find('.bookname h1'); //クラス bookname で h1 title 要素を検索します

find('#content'); //コンテンツ ID を持つ章のコンテンツを検索します。

コードは上記に基づいて追加されます:

include "simple_html_dom.php"; $html = new simple_html_dom(); @$html->load($res); $h1 = $html->find('.bookname h1'); foreach ($h1 as $k=>$v) { $artic['title'] = $v->innertext; } // 查找小说的具体内容 $divs = $html->find('#content'); foreach ($divs as $k=>$v) { $content = $v->innertext; } // 正则替换去除多余部分 $pattern = "/(.*?<\/p>)|(
.*?<\/div>)/"; $artic['content'] = preg_replace($pattern,'',$content); echo $artic['title'].'
'; echo $artic['content'];

ログイン後にコピー

上記の解析を使用して取得されたコンテンツメソッドは配列です。foreach を使用します。配列の内容を取得するには、定期的な置換を使用して本文内のテキスト広告を削除し、タイトルと小説の内容を配列に配置します。最も簡単な書き方はこれで完了です。実行結果は次のとおりです。

プログラマーは今でも広告付きの小説を読んでいますか?

# もちろん、この書き方は不快に見えますが、関数クラスを自分でカプセル化することもできます。以下は私が書いたコード例で、もちろん不備はありますが、拡張の参考にしてください。

'; echo $artic['content']; /** * 获取www.7kzw.com 获取每一章的页面html * @param type $num 第几章,从第一开始(int) * @return 返回字符串 */ function get_html($num){ $start = 27248636; $real_num = $num+$start-1; $url = 'https://www.7kzw.com/85/85445/'.$real_num.'.html'; $header = [ 'User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:70.0) Gecko/20100101 Firefox/70.0' ]; return mySpClass()->getCurl($url,$header); } /** * 获取www.7kzw.com小说标题数组 * @param type $get_html 得到的每一章的页面html * @return 返回$artic数组,['title'=>'','content'=>''] */ function getContent($get_html){ $html = new simple_html_dom(); @$html->load($get_html); $h1 = $html->find('.bookname h1'); foreach ($h1 as $k=>$v) { $artic['title'] = $v->innertext; } // 查找小说的具体内容 $divs = $html->find('#content'); foreach ($divs as $k=>$v) { $content = $v->innertext; } // 正则替换去除多余部分 $pattern = "/(.*?<\/p>)|(
.*?<\/div>)/"; $artic['content'] = preg_replace($pattern,'',$content); return $artic; } ?>

ログイン後にコピー

上記のコード例の最終的な実行結果: 章に番号を入力し、$_GET['n']

プログラマーは今でも広告付きの小説を読んでいますか?