时间:2020-11-12 07:56:15 | 栏目:PHP代码 | 点击:次
本文实例讲述了TP5框架使用QueryList采集框架爬小说操作。分享给大家供大家参考,具体如下:
最近想写一个小说网站,就去搜资料,搜出来TP5可以使用QueryList采集框架去爬小说,这里我来给大家详解如何用QueryList去爬小说。
#首先应该下载TP5框架,然后在extend里面建立一个文件夹命名为QL,再去官网下载QueryList,然后把phpQuery.php 和 QueryList.php 两个文件放在QL文件夹下,如图:
##在QueryList.php里面加上命名空间:
namespace QL; require ‘phpQuery.php'; use phpQuery,Exception,ReflectionClass; use Monolog\Logger; use Monolog\Handler\StreamHandler; use Iterator,Countable,ArrayAccess;//使用phpQuuery接口
#准备工作做好了下来开始采集小说(我们这里以https://www.17k.com/这个网站的免费小说为例)
##先找到你要采集的小说的目录页面的url作为采集url
##再在url前面加上 view-source: 查看他的源码,找到包含所有章节url的class属性,写好采集规则,执行语句进行采集
##采集他的章节名和每一章节的url,因为url采集下来没有域名,需要用正则表达式加上https://www.17k.com 然后采用for循环去一个一个采集每一章节的内容
##最后再将采集到的章节名与章节内容存入数据库
直接上代码:
<?php namespace app\index\Controller; use think\Controller; use QL\QueryList; class Xiaoshuo extends Controller { public function index() { //采集目标 //$url = 'https://www.17k.com/list/3032846.html?offset='; $url = 'https://www.17k.com/list/3041226.html?offset='; //采集规则 $rules = array( 'title'=>array('.ellipsis','text'),//获取书每个章节名 'link'=>array('.Volume a','href','-.folding -copy -a'),//获取每个章节链接 ); //开始采集 $data = QueryList::Query($url,$rules)->data; //var_dump($data); //求数组长度 $j = count($data); if($data) { for($i=0;$i<=$j-1;$i++) { $values = ['title'=>$data[$i]['title'],'link'=>$data[$i+1]['link']]; $_POST['url']=$data[$i+1]['link']; if (!preg_match("/^(http|ftp):/", $_POST['url']))//给链接加上域名头 { $url1 = 'https://www.17k.com'.$_POST['url']; } $rules1 = array( 'novel'=>array('.p','text','-li -a'), ); $data1 = QueryList::Query($url1,$rules1)->data; //var_dump($data1); $values1 = ['title'=>$data[$i]['title'],'novel'=>$data1[0]['novel']];//将章节名、内容插入数据库 $data2 = \think\Db::name('novel6')->insert($values1); } } } }
我们来打印一下他的章节名和章节内容:
注:1.class属性一定要找对
2.采集下来 $data 的第一个数组的link不是第一章的url,下一个才是第一章的,所以
更多关于thinkPHP相关内容感兴趣的读者可查看本站专题:《ThinkPHP入门教程》、《thinkPHP模板操作技巧总结》、《ThinkPHP常用方法总结》、《codeigniter入门教程》、《CI(CodeIgniter)框架进阶教程》、《Zend FrameWork框架入门教程》及《PHP模板技术总结》。
希望本文所述对大家基于ThinkPHP框架的PHP程序设计有所帮助。