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

1 2	composer require jaeger/querylist GitHub: https://github.com/jae-jae/QueryList

安装PhantomJS插件

1 2	composer require jaeger/querylist-phantomjs GitHub: 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

1 2 3 4 5 6 7

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:

1 2	$html = $ql->browser('https://m.toutiao.com')->getHtml(); print_r($html);

获取所有p标签文本内容:

1 2	$data = $ql->browser('https://m.toutiao.com')->find('p')->texts(); print_r($data->all());

输出:

1 2 3 4 5 6 7

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:

1 2 3 4 5 6

// 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：

1 2 3 4 5 6 7 8

$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：

1 2 3 4 5 6 7 8 9 10 11 12 13

$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());

明确的学习思路能更高效的学习

点此加入该群学习