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

没见过这么戏精的:上百人微信群除受害者全是骗子 欧洲央行德拉吉呼吁改革银行业紧急流动性援助规定 上港后卫线防守质量浅析 佩雷拉比博阿斯更加务实 CIA首位女局长:历任多个情报分站站长 曾严刑逼供 北京降雪致4条公交停驶 首都机场延误黄色预警 欧美搏杀进入关键时刻 通胀差意外揭露未来赢家 法国现多起比特币诈骗案 一受害者被骗高达70万欧元 阿森纳新赛季阵型怎么排?三大阵型供埃梅里挑选 媒评中超在全球受瞩目 恒大提前布局受益最丰厚 西班牙北部一华人商铺起火 13人浓烟中毒入院治疗 佩雷拉:希望队员控制好情绪 德比是一场足球盛宴 甘肃低温冻害直接经济损失超80亿 新一轮寒潮来袭
穆帅:我知道如何赢冠军 上次夺冠又不是20年前 中国打造证券交易所“一带一路” 这件中国家务事 美国你到底要管到啥时候? IS攻击叙利亚南部后 绑架36名女性和儿童 权健找回最强武器!5轮不胜到3连胜 去年的仇报了 老甲A新十强决战上海滩 广州太阳神队出征冲刺新高度 中国男人吃香!韩媒称韩国女性外籍配偶中国人最多 美媒:特朗普欲以关税为筹码迫使北美贸易伙伴让步 卫冕冠军新赛季阵容出炉 衢州弈谷配置稳扎稳打 苹果期货主力合约触及涨停 2个月内累积上涨40% 沪媒:上港球员表现值得尊敬 但就算巴萨也得轮换 美巡系列赛-中国北京锦标赛明日雁栖湖开杆
F1匈牙利站正赛成绩表/积分榜:汉密尔顿领先24分 海南省气象台:明后天琼州海峡有雾 通航条件较差 亿元彩票巨奖得主壕购8辆豪车:每天一台换着开 复兴号4月10日扩容提速:京沪高铁最快仅4小时18分 一项新的研究表明 你每顿饭都会吃掉100个小块塑料 坚果TNT工作站预见下个PC时代 特斯拉Model 3单次充电续航里程达830公里 刷新… 东亚青运会主办权取消后 台出席APEC会议也或生变 周博欧冠四串一揽363%回报 李玮锋竞彩8连红 女人开什么店比较好 90后如何白手起家 最近开什么店比较好 没钱怎么创业 AG亚游集团