网页抓取就像搜索引擎一个可以去自动抓取其它服务器上的内容了,下面我整理的几个php常用做法,大家一起来看看.

抓取某一个网页中的内容,需要对DOM树进行解析,找到指定节点后,再抓取我们需要的内容,过程有点繁琐,LZ总结了几种常用的、易于实现的网页抓取方式,如果熟悉JQuery选择器,这几种框架会相当简单.

一、Ganon

项目地址:http://code.google.com/p/ganon/

文档:http://code.google.com/p/ganon/w/list

测试:抓取我的网站首页所有class属性值是focus的div元素,并且输出class值

1. <?php 
2.  include 'ganon.php'; 
3.  $html = file_get_dom('http://www.111cn.net/'); 
4.  foreach($html('div[class="focus"]') as $element) { 
5.    echo $element->class, "<br>n";  
6.  } 
7. ?> 

二、phpQuery

项目地址:http://code.google.com/p/phpquery/

文档:https://code.google.com/p/phpquery/wiki/Manual

测试:抓取我网站首页的article标签元素，然后出书其下h2标签的html值

1. <?php 
2. include 'phpQuery/phpQuery.php';  
3. phpQuery::newDocumentFile('http://www.phpfensi.com/');  
4. $artlist = pq("article");  
5. foreach($artlist as $title){  
6.    echo pq($title)->find('h2')->html()."<br/>";  
7. }  //开源软件:phpfensi.com 
8. ?> 

三、Simple-Html-Dom

项目地址:http://simplehtmldom.sourceforge.net/

文档:http://simplehtmldom.sourceforge.net/manual.htm

测试:抓取我网站首页的所有链接

1. <?php 
2. include 'simple_html_dom.php'; 
3. //使用url和file都可以创建DOM 
4. $html = file_get_html('http://www.phpfensi.com/'); 
5.  
6. //找到所有图片 
7. // foreach($html->find('img') as $element) 
8. //        echo $element->src . '<br>'; 
9.  
10. //找到所有链接 
11. foreach($html->find('a') as $element) 
12.        echo $element->href . '<br>';  
13. ?>

四、Snoopy

项目地址:http://code.google.com/p/phpquery/

文档:http://code.google.com/p/phpquery/wiki/Manual

测试:抓取我的网站首页

1. <?php 
2. include("Snoopy.class.php"); 
3. $url = "http://www.phpfensi.com"; 
4. $snoopy = new Snoopy; 
5. $snoopy->fetch($url); //获取所有内容 
6.  echo $snoopy->results; //显示结果 
7. // echo $snoopy->fetchtext ;//获取文本内容（去掉html代码） 
8. // echo $snoopy->fetchlinks($url) ;//获取链接 
9. // $snoopy->fetchform ;//获取表单  
10. ?> 

五、手动编写爬虫

如果编写能力ok,可以手写一个网页爬虫,实现网页抓取,网上有千篇一律的介绍此方法的文章,LZ就不赘述了,有兴趣了解的,可以百度  php 网页抓取.

Tags: PHP网页抓取 PHP抓取网页

分享到：