欢迎来到[自学php网] ①群 AG亚游集团

AG亚游集团 > php专栏 > php综合实列 >

php采集插件querylist入门之采集微信文章页

来源:未知 ?? 时间:2018-07-23 14:03?作者:小飞侠

[导读] 采集目标 微信文章页标题、内容、发布时间、作者等信息。 采集示例URL /mpaff4weixinaff4qqaff4com/s?src=11timestamp=1523173327ver=803signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2L...

采集目标

微信文章页标题、内容、发布时间、作者等信息。

采集示例URL

 
signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2Ld0npUWmp*
2Gj7bPJY3SCWrpRKlXJA0p4eQWPpAzMPJVmxPcRV5TtLS&new=1

采集内容区图例

分析内容选择器

利用浏览器开发者工具来分析待采集的区域选择器,这里不做详细讲解,如有不明白请自行了解jQuery选择器和CSS选择器相关知识,如图:

分析结果:

  • 标题选择器为:.rich_media_title

  • 发布时间选择器为: #post-date

  • 作者选择器为:#meta_content>.rich_media_meta:eq(2)

  • 内容选择器为:.rich_media_content

选择器写法并不是唯一的,只要能选择到内容选择器随便怎么写都可以。

代码

选择器分析出来后代码就很容易实现了。

安装QueryList

composer require jaeger/querylist

微信采集代码

<?phprequire 'vendor/autoload.php';use QL\QueryList;

$url = '/mpaff4weixinaff4qqaff4com/s?src=11&timestamp=1523173327& 

ver=803&signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2Ld0npUWmp*

2Gj7bPJY3SCWrpRKlXJA0p4eQWPpAzMPJVmxPcRV5TtLS&new=1';

/采集规则$rules = ['title' => ['.rich_media_title','text'],'date' => ['#post-date','text'],'author' => ['#meta_content>.rich_media_meta:eq(2)','text'],'content' => ['.rich_media_content','html']];$data = QueryList::get($url)->rules($rules)->query()->getData();print_r($data->all());


可以很轻松的就写出采集代码出来,来看看运行结果:


Array([0] => Array([title] => a??è′???????a?????????°???a???èμ·?????1???????·2è¢?????¤§?a???????è?°??¨?¤??a?èˉ′[date] => 2018-04-08[author] => ???èˉ-???[content] => <section class="xmteditor" style="display:none;" data-tools="??°?a??????????" data-label="powered by xmt.cn"></section><p style="white-space: normal;"><img class="" data-ratio="0.134375" data-s="300,640" data-src="/mmbizaff4qpicaff4cn/mmbiz_png/IqicDAGdXNibs5wrrbmbVJW8HZB9Qv5ajtuR4C4kIQI43GjtM0ZDsDWzFSCZ7UcthQ1bbPqBSENxEdvRyzzaBavg/640?wx_fmt=png" data-type="png" data-w="640" style="color: rgb(62, 62, 62);text-align: justify;line-height: 28.4444px;background-color: rgb(255, 255, 255);box-sizing: border-box !important;word-wrap: break-word !important;visibility: visible !important;width: auto !important;" width="auto"></p><p style="white-space: normal;"><br></p><p style="white-space: normal;"><span style="font-size: 15px;">è?a??1?????????èμ·a??è′???????a????¥??¥????????????????°±?????¨??¨????????o????¤′??????</span></p><p style="white-space: normal;"><br></p><p style="white-space: normal;"><span style="font-size: 15px;">??-?????¤????????????????¨???????è§??¨?è?????è???¤§???è?????é??è???????????????μ???????????????§?????¥??±?¢????</span></p><p style="white-space: normal;"><br></p>......)


和预期一样正确采集到了内容,但是内容乱码了。

解决乱码

解决乱码的方法有很多,QueryList内置的解决方案是使用encoding()和removeHead()这个方法,但经过尝试发现目前的场景都没有效果,所以我使用了另一种方法来解决微信乱码问题,修改后的代码如下:


<?phprequire 'vendor/autoload.php';use Jaeger\GHttp;use QL\QueryList;$url = '/mpaff4weixinaff4qqaff4com/s?src=11&timestamp=1523173327&ver=803&signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2Ld0npUWmp*2Gj7bPJY3SCWrpRKlXJA0p4eQWPpAzMPJVmxPcRV5TtLS&new=1';/采集规则$rules = ['title' => ['.rich_media_title','text'],'date' => ['#post-date','text'],'author' => ['#meta_content>.rich_media_meta:eq(2)','text'],'content' => ['.rich_media_content','html']];$html = G:get($url);/直接匹配出body中的内容preg_match('/<body[^>]+>(.+)\s+<\/body>/s',$html,$arr);$html = $arr[0];$data = QueryList::html($html)->rules($rules)->query()->getData();print_r($data->all());


运行结果:


Array([0] => Array([title] => “贸易战”战火尚未燃起,特朗普已被各大媒体炮轰丨外媒说[date] => 2018-04-08[author] => 双语君[content] => <section class="xmteditor" style="display:none;" data-tools="新媒体管家" data-label="powered by xmt.cn"></section><p style="white-space: normal;"><img class="" data-ratio="0.134375" data-s="300,640" data-src="/mmbizaff4qpicaff4cn/mmbiz_png/IqicDAGdXNibs5wrrbmbVJW8HZB9Qv5ajtuR4C4kIQI43GjtM0ZDsDWzFSCZ7UcthQ1bbPqBSENxEdvRyzzaBavg/640?wx_fmt=png" data-type="png" data-w="640" style="color: rgb(62, 62, 62);text-align: justify;line-height: 28.4444px;background-color: rgb(255, 255, 255);box-sizing: border-box !important;word-wrap: break-word !important;visibility: visible !important;width: auto !important;" width="auto"></p><p style="white-space: normal;"><br></p><p style="white-space: normal;"><span style="font-size: 15px;">自特朗普挑起“贸易战”以来,一把利剑就悬在全球市场的头上。</span></p><p style="white-space: normal;"><br></p><p style="white-space: normal;"><span style="font-size: 15px;">中美两国公布的征税商品规模越变越大,股市震荡,世界经济的不确定性与日俱增。</span></p><p style="white-space: normal;"><br></p>....)


最新文章

点击排行

自学PHP网专注网站建设学习,PHP程序学习,平面设计学习,以及操作系统学习

京ICP备14009008号@版权所有AG亚游集团

网站声明:本站所有视频,教程都由网友上传,站长收集和分享给大家学习使用,如由牵扯版权问题请联系站长邮箱904561283@qq.com

上港角球再立功!武磊低空头球被扑 贺惯补射反超 直击|罗永浩:将涉足多种硬件 不走小米性价比路线 中方派救助船南沙待命 我外交部称海上救助不应缺位 村支书骗集体款收好处费获刑3年 港股午后初段变动不大 现涨276点报30930点 奇牛国际:欧央行利率决议走近 外界预期按兵不动 外媒提了这个问题 商务部长反问:你是美国人? 美将对钢铁和铝长期征收重税 关键盟友也或遭冲击 京东将开除8万名员工?刘强东:完全是耸人听闻 火箭3年底薪签下德国内线!上季和周琦同在毒蛇 瑞达期货:沪胶增仓放量 期价再度收涨 搜狐高管解读二季度财报:明年视频就会实现盈利
拉萨市监委挂牌即履职 办理自治区首起留置案 资本风口还是盈利黑洞? 长租公寓模式之辩 美财政部报告呼吁对金融科技初创公司放宽监管 公安部公布非法集资、传销案件:空气币诈骗成典型 日本公务船水炮驱逐台湾渔船 台民众:海盗行为 台校长:学生吃了秤砣铁了心 就是要去大陆读书 只输15分?辽媒看淡热身惨败 他的成熟是惊喜 河北雄安污水库治理遇危险:垃圾中曾藏遗弃炮弹 中东开始新一轮群雄逐鹿?IS垮台后叙利亚走向探析 身价两千亿李嘉诚卸任 近年套现千亿频频被传撤退 没完没了!特朗普一周内第五次炮轰亚马逊 轮椅上的“谏言先锋”孙建博:中国康复大学正筹建
泰飞机降落南京机场时遭雷击 机上载400多名旅客 北控高层:我们并不是没有目标 每场都打出精神 华尔街秃鹫魅影:铝市惊见巨量囤货 露天存放50万吨 美军抱怨“联合星”指挥机脆弱 很容易被中俄击落 中兴通讯更新一季度财务报告:净亏损54亿元 克洛普为孔蒂支招:保持愤怒 用欧冠挽回失败赛季 马云:现在还是智能时代前夜 技术变革离不开教育改革 西安近千杯学生营养餐被弃荒野 配送方:过剩产品 亚冠-莫德斯特传射帕托破门 权健4-2复仇全北 2016地摊暴利新产品 开什么店比较有市场 在家赚钱的十种方法 2016做什么生意有前景 AG亚游集团