使用phpQuery采集网页的方法

开发技术作者： 2024-08-07 23:30:01

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">
include 'PHPQuery/PHPQuery.PHP';
PHPQuery::newDocumentFile('//www.jb51.cc');
$artlist = pq(".blog_li");
foreach($artlist as $li){
echo pq($li)->find('h2')->html()."";
}

通过循环列表中的DIV，找出文章标题并输出，就是这么简单。
解析XML文档
假设现在有一个这样的test.xml文档：
<div class="codetitle"><a style="CURSOR: pointer" data="96451" class="copybut" id="copybut96451" onclick="doCopy('code96451')"> 代码如下:

<div class="codebody" id="code96451">
<?xml version="1.0" encoding="utf-8"?>

张三
22

王五
18

现在我要获取名字为张三的联系人的年龄，代码如下：
<div class="codetitle"><a style="CURSOR: pointer" data="35972" class="copybut" id="copybut35972" onclick="doCopy('code35972')"> 代码如下:

<div class="codebody" id="code35972">
include 'PHPQuery/PHPQuery.PHP';
PHPQuery::newDocumentFile('test.xml');
echo pq('contact > age:eq(0)');
结果输出：22