一个基于phpQuery的php通用采集类分享
发布:smiling 来源: PHP粉丝网 添加日期:2020-11-08 15:10:39 浏览: 评论:0
这是自己以前写的一个php的采集类,自己一直在用,自我感觉很简单很强大,只要懂一点点选择器的知识就可以采集任何页面了,也支持https页面,做简单的采集足够用了。
一、采集类源码,代码如下:
- <?php
- /**
- *通用列表采集类
- *版本V1.3
- *作者:JAE
- */
- require_once '../phpQuery/phpQuery/phpQuery.php';
- class QueryList{
- private $pageURL;
- private $regArr = array();
- public $jsonArr = array();
- private $regRange;
- private $html;
- /************************************************
- * 参数: 页面地址 选择器数组 块选择器
- * 【选择器数组】说明:格式array("名称"=>array("选择器","类型"),.......)
- * 【类型】说明:值 "text" ,"html" ,"属性"
- *【块选择器】:指 先按照规则 选出 几个大块 ,然后再分别再在块里面 进行相关的选择
- *************************************************/
- function QueryList($pageURL,$regArr=array(),$regRange='')
- {
- $this->pageURL = $pageURL;
- //为了能获取https://
- $ch = curl_init();
- curl_setopt($ch, CURLOPT_URL,$this->pageURL);
- curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
- curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);
- curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
- $this->html = curl_exec($ch);
- curl_close($ch);
- if(!emptyempty($regArr))
- {
- $this->regArr = $regArr;
- $this->regRange = $regRange;
- $this->getList();
- }
- }
- function setQuery($regArr,$regRange='')
- {
- $this->jsonArr=array();
- $this->regArr = $regArr;
- $this->regRange = $regRange;
- $this->getList();
- }
- private function getList()
- {
- $hobj = phpQuery::newDocumentHTML($this->html);
- if(!emptyempty($this->regRange))
- {
- $robj = pq($hobj)->find($this->regRange);
- $i=0;
- foreach($robj as $item)
- {
- while(list($key,$reg_value)=each($this->regArr))
- {
- $iobj = pq($item)->find($reg_value[0]);
- switch($reg_value[1])
- {
- case 'text':
- $this->jsonArr[$i][$key] = trim(pq($iobj)->text());
- break;
- case 'html':
- $this->jsonArr[$i][$key] = trim(pq($iobj)->html());
- break;
- default:
- $this->jsonArr[$i][$key] = pq($iobj)->attr($reg_value[1]);
- break;
- }
- }
- //重置数组指针
- reset($this->regArr);
- $i++;
- }
- }
- else
- {
- while(list($key,$reg_value)=each($this->regArr))
- {
- $lobj = pq($hobj)->find($reg_value[0]);
- $i=0;
- foreach($lobj as $item)
- {
- switch($reg_value[1])
- {
- case 'text':
- $this->jsonArr[$i++][$key] = trim(pq($item)->text());
- break;
- case 'html':
- $this->jsonArr[$i++][$key] = trim(pq($item)->html());
- break;
- default:
- $this->jsonArr[$i++][$key] = pq($item)->attr($reg_value[1]);
- break;
- }
- }
- }
- }
- }
- function getJSON()
- {
- return json_encode($this->jsonArr);
- }
- }
二、使用例子,代码如下:
- <?php
- require 'Query/QueryList.class.php';
- //采集OSC的代码分享列表,标题 链接 作者
- $url = "http://www.oschina.net/code/list";
- $reg = array("title"=>array(".code_title a:eq(0)","text"),"url"=>array(".code_title a:eq(0)","href"),"author"=>array("img","title"));
- $rang = ".code_list li";
- $hj = new QueryList($url,$reg,$rang);
- $arr = $hj->jsonArr;
- print_r($arr);
- //如果还想采当前页面右边的 TOP40活跃贡献者 图像,得到JSON数据,可以这样写
- $reg = array("portrait"=>array(".hot_top img","src"));
- $hj->setQuery($reg);
- $json = $hj->getJSON();
- echo $json . "<hr/>";
- //采OSC内容页内容
- $url = "http://www.oschina.net/code/snippet_186288_23816";
- $reg = array("title"=>array(".QTitle h1","text"),"con"=>array(".Content","html"));
- $hj = new QueryList($url,$reg);
- $arr = $hj->jsonArr;
- print_r($arr);
就举这么多例子吧,是不是用来做采集很方便。
Tags: phpQuery php采集类
推荐文章
热门文章
最新评论文章
- 写给考虑创业的年轻程序员(10)
- PHP新手上路(一)(7)
- 惹恼程序员的十件事(5)
- PHP邮件发送例子,已测试成功(5)
- 致初学者:PHP比ASP优秀的七个理由(4)
- PHP会被淘汰吗?(4)
- PHP新手上路(四)(4)
- 如何去学习PHP?(2)
- 简单入门级php分页代码(2)
- php中邮箱email 电话等格式的验证(2)