php使用QueryList轻松采集js动态渲染页面方法

2020-10-21 10:28:22 浏览数 (1)

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

composer require jaeger/querylist

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

2.安装PhantomJS插件

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,

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

代码语言:javascript复制
use QLQueryList;
use QLExtPhantomJs;
 
$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:

代码语言:javascript复制
$html = $ql- browser('https://m.toutiao.com')- getHtml();
print_r($html);

获取所有p标签文本内容:

代码语言:javascript复制
$data = $ql- browser('https://m.toutiao.com')- find('p')- texts();
print_r($data- all());

输出:

代码语言:javascript复制
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:

代码语言:javascript复制
// 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:

代码语言:javascript复制
$data = $ql- browser(function (JonnyWPhantomJsHttpRequestInterface $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:

代码语言:javascript复制
$data = $ql- browser(function (JonnyWPhantomJsHttpRequestInterface $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());

0 人点赞