php使用QueryList轻松采集JavaScript动态渲染页面-tutorial php-php.cn

php使用QueryList轻松采集JavaScript动态渲染页面

藏色散人

Lepaskan： 2023-04-07 16:34:01

ke hadapan

3157 orang telah melayarinya

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。

推荐：《PHP教程》

安装

使用Composer安装：

安装QueryList

composer require jaeger/querylist
GitHub: https://github.com/jae-jae/QueryList

Salin selepas log masuk

安装PhantomJS插件

composer require jaeger/querylist-phantomjs
GitHub: https://github.com/jae-jae/QueryList-PhantomJS

Salin selepas log masuk

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

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,&#39;/usr/local/bin/phantomjs&#39;);
//or Custom function name
$ql->use(PhantomJs::class,&#39;/usr/local/bin/phantomjs&#39;,&#39;browser&#39;);

Salin selepas log masuk

Example-1

获取动态渲染的HTML:

$html = $ql->browser(&#39;https://m.toutiao.com&#39;)->getHtml();
print_r($html);

Salin selepas log masuk

获取所有p标签文本内容:

$data = $ql->browser(&#39;https://m.toutiao.com&#39;)->find(&#39;p&#39;)->texts();
print_r($data->all());

Salin selepas log masuk

输出:

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！
    //....
)

Salin selepas log masuk

使用http代理:

// 更多选项可以查看文档: http://phantomjs.org/api/command-line.html
$ql->browser(&#39;https://m.toutiao.com&#39;,true,[
    // 使用http代理
    &#39;--proxy&#39; => &#39;192.168.1.42:8080&#39;,
    &#39;--proxy-type&#39; => &#39;http&#39;
])

Salin selepas log masuk

Example-2

自定义一个复杂的请求：

$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){
    $r->setMethod(&#39;GET&#39;);
    $r->setUrl(&#39;https://m.toutiao.com&#39;);
    $r->setTimeout(10000); // 10 seconds
    $r->setDelay(3); // 3 seconds
    return $r;
})->find(&#39;p&#39;)->texts();
print_r($data->all());

Salin selepas log masuk

开启debug模式，并从本地加载cookie文件：

$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){
    $r->setMethod(&#39;GET&#39;);
    $r->setUrl(&#39;https://m.toutiao.com&#39;);
    $r->setTimeout(10000); // 10 seconds
    $r->setDelay(3); // 3 seconds
    return $r;
},true,[
    &#39;--cookies-file&#39; => &#39;/path/to/cookies.txt&#39;
])->rules([
    &#39;title&#39; => [&#39;p&#39;,&#39;text&#39;],
    &#39;link&#39; => [&#39;a&#39;,&#39;href&#39;]
])->query()->getData();
print_r($data->all());

Salin selepas log masuk

Atas ialah kandungan terperinci php使用QueryList轻松采集JavaScript动态渲染页面. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!