PHP 使用 QueryList 轻松采集 JavaScript 动态渲染页面
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
composer require jaeger/querylist
- 安装 PhantomJS 插件
composer require jaeger/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());
本作品采用《CC 协议》,转载必须注明作者和本文链接
推荐文章: