查看: 155|回复: 0

[PHP实例] php使用QueryList轻松采集JavaScript动态渲染页面

发表于 4 天前
尚学堂AD

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。

安装

使用Composer安装:

安装QueryList
  1. composer require jaeger/querylist
复制代码

GitHub: https://github.com/jae-jae/QueryList

安装PhantomJS插件
  1. composer require jaeger/querylist-phantomjs
复制代码

GitHub: https://github.com/jae-jae/QueryList-PhantomJS

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
  1. use QL\QueryList;
  2. use QL\Ext\PhantomJs;
  3. $ql = QueryList::getInstance();
  4. // 安装时需要设置PhantomJS二进制文件路径
  5. $ql->use(PhantomJs::class,'/usr/local/bin/phantomjs');
  6. //or Custom function name
  7. $ql->use(PhantomJs::class,'/usr/local/bin/phantomjs','browser');
复制代码
Example-1

获取动态渲染的HTML:

  1. $html = $ql->browser('https://m.toutiao.com')->getHtml();
  2. print_r($html);
复制代码

获取所有p标签文本内容:

  1. $data = $ql->browser('https://m.toutiao.com')->find('p')->texts();
  2. print_r($data->all());
复制代码

输出:

  1. Array
  2. (
  3. [0] => 自拍模式开启!国庆假期我和国旗合个影
  4. [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
  5. [2] => 喜极而泣,都教授终于回到地球了!
  6. //....
  7. )
复制代码

使用http代理:

  1. // 更多选项可以查看文档: http://phantomjs.org/api/command-line.html
  2. $ql->browser('https://m.toutiao.com',true,[
  3. // 使用http代理
  4. '--proxy' => '192.168.1.42:8080',
  5. '--proxy-type' => 'http'
  6. ])
复制代码
Example-2

自定义一个复杂的请求:

  1. $data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){
  2. $r->setMethod('GET');
  3. $r->setUrl('https://m.toutiao.com');
  4. $r->setTimeout(10000); // 10 seconds
  5. $r->setDelay(3); // 3 seconds
  6. return $r;
  7. })->find('p')->texts();
  8. print_r($data->all());
复制代码

开启debug模式,并从本地加载cookie文件:

  1. $data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){
  2. $r->setMethod('GET');
  3. $r->setUrl('https://m.toutiao.com');
  4. $r->setTimeout(10000); // 10 seconds
  5. $r->setDelay(3); // 3 seconds
  6. return $r;
  7. },true,[
  8. '--cookies-file' => '/path/to/cookies.txt'
  9. ])->rules([
  10. 'title' => ['p','text'],
  11. 'link' => ['a','href']
  12. ])->query()->getData();
  13. print_r($data->all());
复制代码


回复

使用道具 举报