码迷,mamicode.com
首页 > 数据库 > 详细

PHP简单爬虫 基于QueryList采集库 和 ezsql数据库操作类

时间:2018-06-18 00:32:40      阅读:255      评论:0      收藏:0      [点我收藏+]

标签:type   brief   query   code   PQ   replace   开发   2.0   alt   

QueryList是一个基于phpQuery的PHP通用列表采集类,得益于phpQuery,让使用QueryList几乎没有任何学习成本,只要会CSS3选择器就可以轻松使用QueryList了,它让PHP做采集像jQuery选择元素一样简单。

官方地址:https://querylist.cc/

ezSQL PHP 是用php开发的一套轻量级的数据库类,这个数据库类占用服务器资源小,代码简洁,同时支持多种数据库的使用,安全性高。

下载地址:sjolzy.cn/php/ezSQL/bak/ez_sql_2.05.zip

搭建一个简单的框架目录结构:

技术分享图片

db里放得是ezsql类相关文件

lib里放得是querylist相关文件

index.php 为主程序

 

以采集猫眼电影TOP100为例代码如下:

index.php

<?php
require lib/phpQuery.php;
require lib/QueryList.php;
require "db/shared/ez_sql_core.php";  
require "db/mysql/ez_sql_mysql.php";  
use QL\QueryList;

//抓取猫眼电影TOP100榜单内容 
$db = new ezSQL_mysql(root, root, spider, localhost);  
$offset=0;
for($i=0;$i<10;$i++){

    $gurl="http://maoyan.com/board/4?offset=".$offset;
    // echo $gurl.PHP_EOL;
    $rules = array(
        //采集id为one这个元素里面的纯文本内容
        url => array(.movie-item-info .name a,href,‘‘,function($content){
            return http://maoyan.com.$content;
        }),//链接
    );
    $data = QueryList::Query($gurl,$rules)->data;
    // print_r($data);
    foreach ($data as $key => $val) {
        getContents($db,$val[url]);
    }
    $offset+=10;
    echo "".($i+1)."页完成".PHP_EOL;
}


//取电影内容 传入内容页的链接地址 
function getContents($db,$url){
    $rules = array(
        //采集id为one这个元素里面的纯文本内容
        name => array(.movie-brief-container .name,text),//电影名
        ename => array(.movie-brief-container .ename,text,‘‘,function($content){
            return str_replace("","\‘",$content);
        }),//英文名 
        type => array(.movie-brief-container ul li:eq(0),text),//电影类型
        area => array(.movie-brief-container ul li:eq(1),text,‘‘,function($content){
            return trim(explode("/", $content)[0]);
        }),//产地
        timelen => array(.movie-brief-container ul li:eq(1),text,‘‘,function($content){
            return trim(explode("/", $content)[1]);
        }),//片长
     
        addtime => array(.movie-brief-container ul li:eq(2),text,‘‘,function($content){
            return substr($content,0,10);
        }),//上映时间
        addarea => array(.movie-brief-container ul li:eq(2),text,‘‘,function($content){
            return substr($content,10);
        }),//上映地点

    );

    $data = QueryList::Query($url,$rules)->data;

    print_r($data);


    $name=$data[0]["name"];
    $ename=$data[0]["ename"];
    $area=$data[0]["area"];
    $type=$data[0]["type"];
    $timelen=$data[0]["timelen"];
    $addtime=$data[0]["addtime"];
    $addarea=$data[0]["addarea"];



    $db->query("INSERT INTO maoyan (name, ename,type,area,timelen,addtime,addarea) 
        VALUES ($name,$ename,$area,$type,$timelen,$addtime,$addarea)");
}

 

 采集的结果:

技术分享图片

 项目下载:https://files.cnblogs.com/files/wordblog/spider.rar

PHP简单爬虫 基于QueryList采集库 和 ezsql数据库操作类

标签:type   brief   query   code   PQ   replace   开发   2.0   alt   

原文地址:https://www.cnblogs.com/wordblog/p/9194119.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!