免费观看又色又爽又黄的小说免费_美女福利视频国产片_亚洲欧美精品_美国一级大黄大色毛片

如何使用PHP做異步爬取數(shù)據(jù)

這篇“如何使用PHP做異步爬取數(shù)據(jù)”文章的知識(shí)點(diǎn)大部分人都不太理解，所以小編給大家總結(jié)了以下內(nèi)容，內(nèi)容詳細(xì)，步驟清晰，具有一定的借鑒價(jià)值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來(lái)看看這篇“如何使用PHP做異步爬取數(shù)據(jù)”文章吧。

網(wǎng)站建設(shè)哪家好，找創(chuàng)新互聯(lián)！專(zhuān)注于網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站建設(shè)、微信開(kāi)發(fā)、微信小程序開(kāi)發(fā)、集團(tuán)企業(yè)網(wǎng)站建設(shè)等服務(wù)項(xiàng)目。為回饋新老客戶(hù)創(chuàng)新互聯(lián)還提供了站前免費(fèi)建站歡迎大家使用！

什么是網(wǎng)絡(luò)爬蟲(chóng)？

網(wǎng)絡(luò)爬蟲(chóng)是一個(gè)自動(dòng)提取網(wǎng)頁(yè)的程序，它為搜索引擎從萬(wàn)維網(wǎng)上下載網(wǎng)頁(yè)，是搜索引擎的重要組成。傳統(tǒng)爬蟲(chóng)從一個(gè)或若干初始網(wǎng)頁(yè)的URL開(kāi)始，獲得初始網(wǎng)頁(yè)上的URL，在抓取網(wǎng)頁(yè)的過(guò)程中，不斷從當(dāng)前頁(yè)面上抽取新的URL放入隊(duì)列,直到滿(mǎn)足系統(tǒng)的一定停止條件。

爬蟲(chóng)有什么用？

  • 做為通用搜索引擎網(wǎng)頁(yè)收集器。（google,baidu）

  • 做垂直搜索引擎.

  • 科學(xué)研究：在線人類(lèi)行為，在線社群演化，人類(lèi)動(dòng)力學(xué)研究，計(jì)量社會(huì)學(xué)，復(fù)雜網(wǎng)絡(luò)，數(shù)據(jù)挖掘，等領(lǐng)域的實(shí)證研究都需要大量數(shù)據(jù)，網(wǎng)絡(luò)爬蟲(chóng)是收集相關(guān)數(shù)據(jù)的利器。

  • 偷窺，hacking，發(fā)垃圾郵件…

QueryList 簡(jiǎn)介與特性

QueryList是一套簡(jiǎn)潔、優(yōu)雅、可擴(kuò)展的PHP采集工具(爬蟲(chóng))，基于phpQuery。

特性：

  • 擁有與jQuery完全相同的CSS3 DOM選擇器

  • 擁有與jQuery完全相同的DOM操作API

  • 擁有通用的列表采集方案

  • 擁有強(qiáng)大的HTTP請(qǐng)求套件，輕松實(shí)現(xiàn)如：模擬登陸、偽造瀏覽器、HTTP代理等意復(fù)雜的網(wǎng)絡(luò)請(qǐng)求

  • 擁有亂碼解決方案

  • 擁有強(qiáng)大的內(nèi)容過(guò)濾功能，可使用jQuey選擇器來(lái)過(guò)濾內(nèi)容

  • 擁有高度的模塊化設(shè)計(jì)，擴(kuò)展性強(qiáng)

  • 擁有富有表現(xiàn)力的API

  • 擁有高質(zhì)量文檔

  • 擁有豐富的插件

  • 擁有專(zhuān)業(yè)的問(wèn)答社區(qū)和交流群

通過(guò)插件可以輕松實(shí)現(xiàn)諸如：

  • 多線程采集

  • 圖片本地化

  • 模擬瀏覽器行為，如：提交Form表單

  • 網(wǎng)絡(luò)爬蟲(chóng)

環(huán)境要求

PHP >= 7.0

如果你的PHP版本還停留在PHP5，或者不會(huì)使用Composer,你可以選擇使用QueryList3,QueryList3支持php5.3以及手動(dòng)安裝。 

安裝

通過(guò)Composer安裝:

composer require jaeger/querylist

使用

元素操作

采集「昵圖網(wǎng)」所有圖片地址

QueryList::get('http://www.nipic.com')->find('img')->attrs('src');

采集百度搜索結(jié)果

$ql = QueryList::get('http://www.baidu.com/s?wd=QueryList');

$ql->find('title')->text(); // 獲取網(wǎng)站標(biāo)題
$ql->find('meta[name=keywords]')->content; // 獲取網(wǎng)站頭部關(guān)鍵詞

$ql->find('h4>a')->texts(); //獲取搜索結(jié)果標(biāo)題列表
$ql->find('h4>a')->attrs('href'); //獲取搜索結(jié)果鏈接列表

$ql->find('img')->src; //獲取第一張圖片的鏈接地址
$ql->find('img:eq(1)')->src; //獲取第二張圖片的鏈接地址
$ql->find('img')->eq(2)->src; //獲取第三張圖片的鏈接地址
// 遍歷所有圖片
$ql->find('img')->map(function($img){
    echo $img->alt;  //打印圖片的alt屬性
});

更多用法

$ql->find('#head')->append('<div>追加內(nèi)容</div>')->find('div')->htmls();
$ql->find('.two')->children('img')->attrs('alt'); //獲取class為two元素下的所有img孩子節(jié)點(diǎn)
//遍歷class為two元素下的所有孩子節(jié)點(diǎn)
$data = $ql->find('.two')->children()->map(function ($item){
    //用is判斷節(jié)點(diǎn)類(lèi)型
    if($item->is('a')){
        return $item->text();
    }elseif($item->is('img'))
    {
        return $item->alt;
    }
});

$ql->find('a')->attr('href', 'newVal')->removeClass('className')->html('newHtml')->...
$ql->find('div > p')->add('div > ul')->filter(':has(a)')->find('p:first')->nextAll()->andSelf()->...
$ql->find('div.old')->replaceWith( $ql->find('div.new')->clone())->appendTo('.trash')->prepend('Deleted')->...

列表采集

采集百度搜索結(jié)果列表的標(biāo)題和鏈接:

$data = QueryList::get('http://www.baidu.com/s?wd=QueryList')
    // 設(shè)置采集規(guī)則
    ->rules([ 
        'title'=>array('h4','text'),
        'link'=>array('h4>a','href')
    ])
    ->query()->getData();

print_r($data->all());

采集結(jié)果:

Array
(
    [0] => Array
        (
            [title] => QueryList|基于phpQuery的無(wú)比強(qiáng)大的PHP采集工具
            [link] => http://www.baidu.com/link?url=GU_YbDT2IHk4ns1tjG2I8_vjmH0SCJEAPuuZN
        )
    [1] => Array
        (
            [title] => PHP 用QueryList抓取網(wǎng)頁(yè)內(nèi)容 - wb145230 - 博客園
            [link] => http://www.baidu.com/link?url=zn0DXBnrvIF2ibRVW34KcRVFG1_bCdZvqvwIhUqiXaS
        )
    [2] => Array
        (
            [title] => 介紹- QueryList指導(dǎo)文檔
            [link] => http://www.baidu.com/link?url=pSypvMovqS4v2sWeQo5fDBJ4EoYhXYi0Lxx
        )
        //...
)

編碼轉(zhuǎn)換

// 輸出編碼:UTF-8,輸入編碼:GB2312
QueryList::get('https://top.etao.com')->encoding('UTF-8','GB2312')->find('a')->texts();

// 輸出編碼:UTF-8,輸入編碼:自動(dòng)識(shí)別
QueryList::get('https://top.etao.com')->encoding('UTF-8')->find('a')->texts();

HTTP網(wǎng)絡(luò)操作

攜帶cookie登錄新浪微博

//采集新浪微博需要登錄才能訪問(wèn)的頁(yè)面
$ql = QueryList::get('http://weibo.com','param1=testvalue & params2=somevalue',[
    'headers' => [
        //填寫(xiě)從瀏覽器獲取到的cookie
        'Cookie' => 'SINAGLOBAL=546064; wb_cmtLike_2112031=1; wvr=6;....'
    ]
]);
//echo $ql->getHtml();
echo $ql->find('title')->text();
//輸出: 我的首頁(yè) 微博-隨時(shí)隨地發(fā)現(xiàn)新鮮事

使用Http代理

$urlParams = ['param1' => 'testvalue','params2' => 'somevalue'];
$opts = [
    // 設(shè)置http代理
    'proxy' => 'http://222.141.11.17:8118',
    //設(shè)置超時(shí)時(shí)間，單位：秒
    'timeout' => 30,
     // 偽造http頭
    'headers' => [
        'Referer' => 'https://querylist.cc/',
        'User-Agent' => 'testing/1.0',
        'Accept'     => 'application/json',
        'X-Foo'      => ['Bar', 'Baz'],
        'Cookie'    => 'abc=111;xxx=222'
    ]
];
$ql->get('http://httpbin.org/get',$urlParams,$opts);
// echo $ql->getHtml();

模擬登錄

// 用post登錄
$ql = QueryList::post('http://xxxx.com/login',[
    'username' => 'admin',
    'password' => '123456'
])->get('http://xxx.com/admin');
//采集需要登錄才能訪問(wèn)的頁(yè)面
$ql->get('http://xxx.com/admin/page');
//echo $ql->getHtml();

Form表單操作

模擬登陸GitHub

// 獲取QueryList實(shí)例
$ql = QueryList::getInstance();
//獲取到登錄表單
$form = $ql->get('https://github.com/login')->find('form');

//填寫(xiě)GitHub用戶(hù)名和密碼
$form->find('input[name=login]')->val('your github username or email');
$form->find('input[name=password]')->val('your github password');

//序列化表單數(shù)據(jù)
$fromData = $form->serializeArray();
$postData = [];
foreach ($fromData as $item) {
    $postData[$item['name']] = $item['value'];
}

//提交登錄表單
$actionUrl = 'https://github.com'.$form->attr('action');
$ql->post($actionUrl,$postData);
//判斷登錄是否成功
// echo $ql->getHtml();
$userName = $ql->find('.header-nav-current-user>.css-truncate-target')->text();
if($userName)
{
    echo '登錄成功!歡迎你:'.$userName;
}else{
    echo '登錄失敗!';
}

Bind功能擴(kuò)展

自定義擴(kuò)展一個(gè)myHttp方法:

$ql = QueryList::getInstance();

//綁定一個(gè)myHttp方法到QueryList對(duì)象
$ql->bind('myHttp',function ($url){
    $html = file_get_contents($url);
    $this->setHtml($html);
    return $this;
});

//然后就可以通過(guò)注冊(cè)的名字來(lái)調(diào)用
$data = $ql->myHttp('https://toutiao.io')->find('h4 a')->texts();
print_r($data->all());

或者把實(shí)現(xiàn)體封裝到class，然后這樣綁定:

$ql->bind('myHttp',function ($url){
    return new MyHttp($this,$url);
});

插件使用

使用CURL多線程插件,多線程采集GitHub排行榜:

$ql = QueryList::use(CurlMulti::class);
$ql->curlMulti([
    'https://github.com/trending/php',
    'https://github.com/trending/go',
    //.....more urls
])
 // 每個(gè)任務(wù)成功完成調(diào)用此回調(diào)
 ->success(function (QueryList $ql,CurlMulti $curl,$r){
    echo "Current url:{$r['info']['url']} \r\n";
    $data = $ql->find('h4 a')->texts();
    print_r($data->all());
})
 // 每個(gè)任務(wù)失敗回調(diào)
->error(function ($errorInfo,CurlMulti $curl){
    echo "Current url:{$errorInfo['info']['url']} \r\n";
    print_r($errorInfo['error']);
})
->start([
    // 最大并發(fā)數(shù)
    'maxThread' => 10,
    // 錯(cuò)誤重試次數(shù)
    'maxTry' => 3,
]);

以上就是關(guān)于“如何使用PHP做異步爬取數(shù)據(jù)”這篇文章的內(nèi)容，相信大家都有了一定的了解，希望小編分享的內(nèi)容對(duì)大家有幫助，若想了解更多相關(guān)的知識(shí)內(nèi)容，請(qǐng)關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

新聞名稱(chēng)：如何使用PHP做異步爬取數(shù)據(jù)
當(dāng)前鏈接：http://m.newbst.com/article26/gdocjg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供手機(jī)網(wǎng)站建設(shè)、自適應(yīng)網(wǎng)站、動(dòng)態(tài)網(wǎng)站、用戶(hù)體驗(yàn)、網(wǎng)站改版、營(yíng)銷(xiāo)型網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)

網(wǎng)站優(yōu)化排名