php使用QueryList轻松采集JavaScript动态渲染页面
16lz
2021-01-22
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。
推荐:《PHP教程》
安装
使用Composer安装:
安装QueryList
composer require jaeger/querylistGitHub: https://github.com/jae-jae/QueryList
安装PhantomJS插件
composer require jaeger/querylist-phantomjsGitHub: 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,$commandOpt = []):使用浏览器打开连接
使用
以采集「今日头条」手机版为例,「今日头条」手机版基于React框架,内容是纯动态渲染出来的。
下面演示QueryList的PhantomJs插件用法:
安装插件
use QL\QueryList;use QL\Ext\PhantomJs;$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');
Example-1
获取动态渲染的HTML:
$html = $ql->browser('https://m.toutiao.com')->getHtml();print_r($html);
获取所有p标签文本内容:
$data = $ql->browser('https://m.toutiao.com')->find('p')->texts();print_r($data->all());
输出:
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:
// 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'])
Example-2
自定义一个复杂的请求:
$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:
$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());
更多相关文章
- 分享一款免费开源的在线文档管理插件
- 还在使用第三方Docker插件?SpringBoot官方插件真香!
- 还在手动部署SpringBoot应用?试试这个自动化插件!
- RabbitMQ实现延迟消息居然如此简单,整个插件就完事了!
- 我常用的IDEA插件大公开,个个是精品!
- Mybatis框架如何使用分页插件呢?
- 使用Maven插件构建Docker镜像
- API注入机制及插件启动流程_VSCode插件开发笔记2
- IDEA常用设置及推荐插件