快速开发一个PHP电影爬虫

今天来做一个PHP电影小爬虫。
我们来利用simple_html_dom的采集数据实例，这是一个PHP的库，上手很容易。
simple_html_dom 可以很好的帮助我们利用php解析html文档。通过这个php封装类可以很方便的解析html文档，对其中的html元素进行操作 (PHP5+以上版本)
下载地址：https://github.com/samacs/simple_html_dom
下面我们以 http://www.paopaotv.com 上的列表页 http://paopaotv.com/tv-type-id-5-pg-1.html 字母模式展现的列表为例，抓取页面上的列表数据，以及内容里面信息

 <?php
 include_once 'simple_html_dom.php';
 //获取html数据转化为对象
 $html = file_get_html('http://paopaotv.com/tv-type-id-5-pg-1.html');
 //A-Z的字母列表每条数据是在id=letter-focus 的div内class= letter-focus-item的dl标签内，用find方法查找即为
 $listData=$html->find("#letter-focus .letter-focus-item");//$listData为数组对象
 foreach($listData as$key=>$eachRowData){
 $filmName=$eachRowData->find("dd span",0)->plaintext;//获取影视名称
 $filmUrl=$eachRowData->find("dd a",0)->href;//获取dd标签下影视对应的地址
 //获取影视的详细信息
 $filmInfo=file_get_html("http://paopaotv.com".$filmUrl);
 $filmDetail=$filmInfo->find(".info dl");
 foreach($filmDetail as $film){
 $info=$film->find("dd");
 $row=null;
 foreach($info as $childInfo){
 $row[]=$childInfo->plaintext;
 }
 $cate[$key][]=join(",",$row);//将影视的信息存放到数组中
 }
 }

这样通过simple_html_dom，就可以将paopaotv.com影视列表中信息，以及影视的具体信息就抓取到了，之后你可以继续抓取影视详细页面上的视频地址信息，然后将该影视的所有信息都存放到数据库中。
下面是simple_html_dom常用的属性以及方法：

 $html = file_get_html('http://paopaotv.com/tv-type-id-5-pg-1.html');
 $e = $html->find("div", 0);
 //标签
 $e->tag;
 //外文本
 $e->outertext;
 //内文本
 $e->innertext;
 //纯文本
 $e->plaintext;
 //子元素
 $e->children ( [int $index] );
 //父元素
 $e->parent ();
 //第一个子元素
 $e->first_child ();
 //最后一个子元素
 $e->last_child ();
 //后一个兄弟元素
 $e->next_sibling ();
 //前一个兄弟元素
 $e->prev_sibling ();
 //标签数组
 $ret = $html->find('a');
 //第一个a标签
 $ret = $html->find('a', 0);

更多用法可以参考官方手册。
是不是很简单呢？有问题欢迎提出来交流