位置: 编程技术 - 正文
推荐整理分享php实现简单爬虫的开发(php curl爬虫),希望有所帮助,仅作参考,欢迎阅读内容。
文章相关热门搜索词:php爬虫框架phpspider,php网络爬虫,php网络爬虫,php爬虫框架phpspider,php怎么写爬虫,php怎么写爬虫,php怎么写爬虫,php爬虫框架phpspider,内容如对您有帮助,希望把文章链接给更多的朋友!
有时候因为工作、自身的需求,我们都会去浏览不同网站去获取我们需要的数据,于是爬虫应运而生,下面是我在开发一个简单爬虫的经过与遇到的问题。
开发一个爬虫,首先你要知道你的这个爬虫是要用来做什么的。我是要用来去不同网站找特定关键字的文章,并获取它的链接,以便我快速阅读。
按照个人习惯,我首先要写一个界面,理清下思路。
1、去不同网站。那么我们需要一个url输入框。 2、找特定关键字的文章。那么我们需要一个文章标题输入框。 3、获取文章链接。那么我们需要一个搜索结果的显示容器。
直接上代码,然后加上自己的一些样式调整,界面就完成啦:
那么接下来就是功能的实现了,我用PHP来写,首先第一步就是获取网站的html代码,获取html代码的方式也有很多,我就不一一介绍了,这里用了curl来获取,传入网站url就能得到html代码啦:
虽然得到了html代码,但是很快你会遇到一个问题,那就是编码问题,这可能让你下一步的匹配无功而返,我们这里统一把得到的html内容转为utf8编码:
得到网站的html,要获取文章的url,那么下一步就是要匹配该网页下的所有a标签,需要用到正则表达式,经过多次测试,最终得到一个比较靠谱的正则表达式,不管a标签下结构多复杂,只要是a标签的都不放过:(最关键的一步)
匹配的结果在$matches中,它大概是这样的一个多维素组:
只要能得到这个数据,其他就完全可以操作啦,你可以遍历这个素组,找到你想要a标签,然后获取a标签相应的属性,想怎么操作就怎么操作啦,下面推荐一个类,让你更方便操作a标签:
当然,这只是一种方式,你也可以通过正则表达式匹配你想要的信息,把数据玩出新花样。
得到并匹配得出你想要的结果,下一步当然就是传回前端将他们显示出来啦,把接口写好,然后前端用js获取数据,用jquery动态添加内容显示出来:
上最终效果图:
CodeIgniter分页类pagination使用方法示例 本文实例讲述了CodeIgniter分页类pagination使用方法。分享给大家供大家参考,具体如下:controller控制器(application/controller/page.php文件):publicfunctionindex()
CI分页类首页、尾页不显示的解决方法 本文实例讲述了CI分页类首页、尾页不显示的解决方法。分享给大家供大家参考,具体如下:看了下手册说,每次都要重新去写一次呢些$config,可以新
CI配置多数据库访问的方法 本文实例讲述了CI配置多数据库访问的方法。分享给大家供大家参考,具体如下:1、修改datebase.php文件,将:$db['XXX']['pconnect']=TRUE;修改成:$db['XXX']['pcon
标签: php curl爬虫
本文链接地址:https://www.jiuchutong.com/biancheng/293176.html 转载请保留说明!友情链接: 武汉网站建设