PHPCrawl爬虫库实现抓取酷狗歌单的方法示例

看了网络爬虫相关的视频后,手痒痒,想爬点什么。最近Facebook上表情包大战很激烈,就想着把所有表情包都爬下来,却一时没有找到合适的VPN,因此把酷狗最近一月精选歌曲和简单介绍抓取到本地。代码写得有点乱,自己不是很满意,并不想放上来丢人现眼。不过转念一想,这好歹是自己第一次爬虫,于是...就有了如下不堪入目的代码~~~(由于抓取的数据量较小,所以没有考虑多进程什么的,不过我看了一下PHPCrawl的文档,发现PHPCrawl库已经把我能想到的功能都封装好了,实现起来很方便)

<?php
header("Content-type:text/html;charset=utf-8");
// It may take a whils to crawl a site ...
set_time_limit(10000);
include("libs/PHPCrawler.class.php");
class MyCrawler extends PHPCrawler {
  function handleDocumentInfo($DocInfo) {
    // Just detect linebreak for output ("\n" in CLI-mode, otherwise "<br>").
    if (PHP_SAPI == "cli") $lb = "\n";
    else $lb = "<br />";
    $url = $DocInfo->url;
    $pat = "/http:\/\/www\.kugou\.com\/yy\/special\/single\/\d+\.html/";
    if(preg_match($pat,$url) > 0){
    $this->parseSonglist($DocInfo);
    }
    flush();
  }
  public function parseSonglist($DocInfo){
    $content = $DocInfo->content;
    $songlistArr = array();
    $songlistArr['raw_url'] = $DocInfo->url;
    //解析歌曲介绍
    $matches = array();
    $pat = "/<span>名称:<\/span>([^(<br)]+)<br/";
    $ret = preg_match($pat,$content,$matches);
    if($ret>0){
      $songlistArr['title'] = $matches[1];
    }else{
      $songlistArr['title'] = '';
    }
    //解析歌曲
    $pat = "/<a title=\"([^\"]+)\" hidefocus=\"/";
    $matches = array();
    preg_match_all($pat,$content,$matches);
    $songlistArr['songs'] = array();
    for($i = 0;$i < count($matches[0]);$i++){
      $song_title = $matches[1][$i];
      array_push($songlistArr['songs'],array('title'=>$song_title));
    }
    echo "<pre>";
    print_r($songlistArr);
    echo "</pre>";
    }
  }
$crawler = new MyCrawler();
// URL to crawl
$start_url="http://www.kugou.com/yy/special/index/1-0-2.html";
$crawler->setURL($start_url);
// Only receive content of files with content-type "text/html"
$crawler->addContentTypeReceiveRule("#text/html#");
//链接扩展
$crawler->addURLFollowRule("#http://www\.kugou\.com/yy/special/single/\d+\.html$# i");
$crawler->addURLFollowRule("#http://www.kugou\.com/yy/special/index/\d+-\d+-2\.html$# i");
// Store and send cookie-data like a browser does
$crawler->enableCookieHandling(true);
// Set the traffic-limit to 1 MB(1000 * 1024) (in bytes,
// for testing we dont want to "suck" the whole site)
//爬取大小无限制
$crawler->setTrafficLimit(0);
// Thats enough, now here we go
$crawler->go();
// At the end, after the process is finished, we print a short
// report (see method getProcessReport() for more information)
$report = $crawler->getProcessReport();
if (PHP_SAPI == "cli") $lb = "\n";
else $lb = "<br />";
echo "Summary:".$lb;
echo "Links followed: ".$report->links_followed.$lb;
echo "Documents received: ".$report->files_received.$lb;
echo "Bytes received: ".$report->bytes_received." bytes".$lb;
echo "Process runtime: ".$report->process_runtime." sec".$lb;
?>

本文来自投稿,不代表重蔚自留地立场,如若转载,请注明出处https://www.cwhello.com/6464.html

如有侵犯您的合法权益请发邮件951076433@qq.com联系删除

(0)
重蔚重蔚管理团队
上一篇 2018年4月25日 09:18
下一篇 2018年4月25日 09:29

相关推荐

  • 如何在PHP中使用TDD。

    随着软件开发中采用敏捷开发的方式越来越普及,测试驱动开发(TDD)已经成为许多开发人员的重要实践。在TDD中,写代码之前先编写测试用例,通过测试来驱动整个开发过程。这篇文章将介绍如何在PHP中使用TDD来开发高…

    2023年5月23日
    02
  • PHP实现数据库异地容灾故障恢复的方法。

    随着现代企业对信息化建设的重视程度越来越高,数据安全性和可靠性也成为了企业工作中至关重要的事项之一。一旦数据库出现故障,恢复数据需要耗费大量的时间和精力,而且在某些情况下,恢复效果并不理想。因此,数…

    2023年5月21日
    09
  • PHP8中的新函数:str_contains()的高效字符串搜索方法。

    随着PHP8的发布,我们又迎来了一个新函数:str_contains()。这个函数的功能是在字符串中高效地搜索指定的子字符串。相比较于之前已有的PHP函数,str_contains()具有更高的效率和更方便的使用方式。在这篇文章中,我…

    2023年5月21日
    010
  • PHP中的测试数据管理工具。

    PHP是一种广泛应用于Web开发的脚本语言,由于其易于学习和扩展性,已经成为大多数Web开发人员的首选语言。随着Web应用程序越来越复杂,测试也变得更加重要。为了成功地测试PHP代码,测试数据是必不可少的。在本文中…

    2023年5月28日
    00
  • 如何使用PHP连接多个Redis实例?。

    随着互联网的不断发展,数据量不断增大,存储和读取的速度也变得至关重要。Redis作为一个非关系型的内存数据库,因其快速、可扩展和灵活性而受到广泛关注和使用。在一些高并发的场景下,或者对于某些强一致性要求较…

    2023年5月21日
    01
  • PHP开发中的最佳加密和哈希技术。

    在今天的数字时代中,随着互联网的发展和信息的日益重要,数据的保密性和安全性变得越来越重要。为了确保数据在传输过程中不被窃取或篡改,PHP开发人员通常使用加密和哈希技术来保护敏感数据。本文将介绍PHP开发中…

    2023年5月30日
    01
  • 聊聊PHP中的抽象工厂模式

    本篇文章带大家了解一下PHP设计模式中的抽象工厂模式。有一定的参考价值,有需要的朋友可以参考一下,希望对大家有所帮助。工厂模式系列中的重头戏来了,没错,那正是传闻中的抽象工厂模式。初次听到这个名字的时候…

    2023年3月29日
    00
  • Redis在PHP应用中的集群监控。

    Redis是一种基于内存的开源数据结构存储系统,广泛用于缓存、消息队列、任务分发等场景。在PHP应用中,Redis常常扮演着重要的角色。随着业务的不断扩展,Redis集群的规模也会逐渐增大,如何进行有效的监控是保障应…

    2023年5月21日
    02

联系我们

QQ:951076433

在线咨询:点击这里给我发消息邮件:951076433@qq.com工作时间:周一至周五,9:30-18:30,节假日休息