前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【开源推荐】只为证明PHP是世界上最好语言的蜘蛛爬虫phpspider框架

【开源推荐】只为证明PHP是世界上最好语言的蜘蛛爬虫phpspider框架

作者头像
PHP学习网
发布2023-06-19 15:34:52
2630
发布2023-06-19 15:34:52
举报
文章被收录于专栏:PHP学习网PHP学习网

PHP学习网将不定时分享优质开源项目,优质技术文章,精选面试题和资源,大家可以把PHP学习网设为🌟星标,第一时间获取最新推送,以防错过优质内容

作者写这个框架的目的是想证明PHP是世界上最好的语言,于是我下载下来看了看,直接证明了我离他的水平还有很长的距离,但这并不妨碍我看他的代码,理解他写这个框架的思路,研究我不擅长的地方。

学习这个框架需要具备以下技能

1、必须会PHP,这个是必要条件。

2、XPath选择器(从网页中抽取数据)

3、理解CSS选择器

4、正则表达式

5、chrome开发者工具,需要分析ajax请求。

还有一个特别重要的是,本框架只能运行在命令行中。

爬虫主要功能

支持模拟登录

支持增量菜椒

支持多任务爬虫

支持多服务器采取

可提前生产列表在采集

学习方法

先看看下面的截图,它的框架结构中有个demo文件夹,那么我们就从demo开始,看它的文档,看它的代码。

简单使用

在demo中增加一个php文件,写入下面的代码,用命令行执行以下,就可以体验以下它的抓取效果啦

代码语言:javascript
复制
require_once __DIR__ . '/../autoloader.php';
use phpspider\core\phpspider;
use phpspider\core\requests;

/* Do NOT delete this comment */
/* 不要删除这段注释 */

$configs = array(
    'name' => '糗事百科',
    'domains' => array(
        'qiushibaike.com',
        'www.qiushibaike.com'
    ),
    'scan_urls' => array(
        'http://www.qiushibaike.com/'
    ),
    'content_url_regexes' => array(
        "http://www.qiushibaike.com/article/\d+"
    ),
    'list_url_regexes' => array(
        "http://www.qiushibaike.com/8hr/page/\d+\?s=\d+"
    ),
    'fields' => array(
        array(
            // 抽取内容页的文章内容
            'name' => "article_content",
            'selector' => "//*[@id='single-next-link']",
            'required' => true
        ),
        array(
            // 抽取内容页的文章作者
            'name' => "article_author",
            'selector' => "//div[contains(@class,'author')]//h2",
            'required' => true
        ),
    ),
);
$spider = new phpspider($configs);
$spider->start();

爬虫的整体框架就是这样, 首先定义了一个configs数组, 里面设置了待爬网站的一些信息, 然后通过调用spider = new phpspider(configs);和spider->start();来配置并启动爬虫.

总体来说这个框架不错,你认真研究研究它的思路和方法,还是能学到不少内容的,对开阔思路也有帮助。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2023-02-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PHP学习网 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 学习这个框架需要具备以下技能
  • 爬虫主要功能
  • 学习方法
  • 简单使用
相关产品与服务
云开发 CLI 工具
云开发 CLI 工具(Cloudbase CLI Devtools,CCLID)是云开发官方指定的 CLI 工具,可以帮助开发者快速构建 Serverless 应用。CLI 工具提供能力包括文件储存的管理、云函数的部署、模板项目的创建、HTTP Service、静态网站托管等,您可以专注于编码,无需在平台中切换各类配置。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档