php采集库queryList使用
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。
一、安装
使用Composer安装：
1.安装QueryList
|
1 |
composer require jaeger/querylist |
GitHub: https://github.com/jae-jae/QueryList
2.安装PhantomJS插件
|
1 |
composer require jaeger/querylist-phantomjs |
GitHub: https://github.com/jae-jae/QueryList-PhantomJS
二、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。
三、插件API
QueryList browser($url,$debug = false,$commandOpt = []):使用浏览器打开连接
四、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:
1.安装插件
|
1 2 3 4 5 6 7 8 |
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,'/usr/local/bin/phantomjs'); //or Custom function name $ql->use(PhantomJs::class,'/usr/local/bin/phantomjs','browser'); |
2.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 |
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 |
// 更多选项可以查看文档: http://phantomjs.org/api/command-line.html $ql->browser('https://m.toutiao.com',true,[ // 使用http代理 '--proxy' => '192.168.1.42:8080', '--proxy-type' => 'http' ]) |
3.Example-2
自定义一个复杂的请求：
|
1 2 3 4 5 6 7 8 9 |
$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){ $r->setMethod('GET'); $r->setUrl('https://m.toutiao.com'); $r->setTimeout(10000); // 10 seconds $r->setDelay(3); // 3 seconds 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 14 |
$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){ $r->setMethod('GET'); $r->setUrl('https://m.toutiao.com'); $r->setTimeout(10000); // 10 seconds $r->setDelay(3); // 3 seconds return $r; },true,[ '--cookies-file' => '/path/to/cookies.txt' ])->rules([ 'title' => ['p','text'], 'link' => ['a','href'] ])->query()->getData(); print_r($data->all()); |
