使用phpQuery采集网页的方法
使用phpQuery轻松采集网页内容,像使用jQuery一样处理页面内容
PHPQuery是一个基于PHP的服务端开源项目,它可以让PHP开发人员轻松处理DOM文档内容,比如获取某新闻网站的头条信息。更有意思的是,它采用了jQuery的思想,你可以像使用jQuery一样处理页面内容,获取你想要的页面信息。
采集头条
先看一实例,现在我要采集新浪网国内新闻的头条,代码如下:
<div class="codetitle"><a style="CURSOR: pointer" data="26763" class="copybut" id="copybut26763" onclick="doCopy('code26763')"> 代码如下:
<div class="codebody" id="code26763">
include 'PHPQuery/PHPQuery.PHP';
PHPQuery::newDocumentFile('//www.jb51.cc');
echo pq(".blkTop h1:eq(0)")->html();
简单的三行代码,就可以获取头条内容。首先在程序中包含PHPQuery.PHP核心程序,然后调用读取目标网页,最后输出对应标签下的内容。
pq()是一个功能强大的方法,跟jQuery的$()如出一辙,jQuery的选择器基本上都能使用在PHPQuery上,只要把“.”变成“->”。如上例中,pq(“.blkTop h1:eq(0)”)抓取了页面class属性为blkTop的DIV元素,并找到该DIV内部的第一个h1标签,然后用html()方法获取h1标签里的内容(带html标签),也就是我们要获取的头条信息,如果使用text()方法,则只获取头条的文本内容。当然要使用好PHPQuery,关键是要找对文档中对应内容的节点。
采集文章列表
下面再来看一个例子,获取helloweba.com网站的blog列表,请看代码:
<div class="codetitle">
<a style="CURSOR: pointer" data="18477" class="copybut" id="copybut18477" onclick="doCopy('code18477')"> 代码如下: <div class="codebody" id="code18477">