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

火箭剩余500万可签1位真命天子!他是保罗的梦 印尼马鲁古群岛东部海域发生5.7级地震 沙特将设特别反腐机构 法媒:意在加快反腐程序 台民进党四大天王为何回归 网友爆玄机:回光返照 iPhone价值链中的 国际分工 [新浪彩票]足彩18086期大势:米内罗竞技主胜稳胆 前教练赞费德勒成就不可思议 欣赏其动力源源不断 蒂姆坦言唱歌一般 谈及女友:更多时间是训练 吉媒:辽宁冠军是熬出来的 现在轮到广厦熬了 中国通过对外贷款谋战略优势? 外交部回应 李运秋:行为不对但巴坎布先装 骂我的人开心就好 2017年我国利用外资规模创历史新高
郑永春:霍金已逝 他的突破摄星计划才刚刚开始 军机失事257人遇难 阿尔及利亚将举行3天哀悼 证监会披露廖英强案稽查经过 称其具备反侦察意识 人物|乔良带中国女队走出困境? 亚运会成检验场 P2P爆雷并非商业模式出了问题:前期野蛮生长的后果 防挖角!罗马将同队中大将续约 巴萨曼联都想买他 老汉跳河救人拒感谢费 发现手机进水后想“报销” BCG陆金所联合发布报告 财富管理数字化趋势不可逆 莫德里奇加盟中超?网友:来了中国,你传的球没人接得住啊… 日本多地警方对山口组进行大规模搜查 因涉嫌盗窃 外媒:阿尔及利亚一载约200人军机坠毁 无幸存者 18年前的今天 科比投中职业生涯首个绝杀-gif
媒体人评自媒体式浮夸煽情:全国哭泣? 请放过机长 一个细节看今天美航企有多慌 再想想美方当初多蛮横 事关重大 宪法修正案是如何表决的? 美批准对台出售潜艇制造技术 国防部外交部回应 川航机长回忆紧急备降:耗时约5分钟控制好飞机 奧姆真理教13名死囚伏法:平成时代结束的一个标志 通用电气四季度将计入62亿美元税后支出 盘前跌逾4% 特朗普“推特解雇”令人人自危 谁是下一个? 美众院议长宣布不再寻求连任 特朗普发文表祝福 做什么生意本小利大 谁需要钱我借他100万 2016地摊暴利新产品 两万元投资 AG亚游集团