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)
重蔚的头像重蔚管理团队
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

  • PHP中的版本控制工具。

    PHP语言是现今全球使用最为广泛的后端编程语言之一,因其易学易用、开发效率高等特点深受广大开发者的喜爱和支持。随着时间的推移和PHP语言的不断发展壮大,其版本也在不停地迭代更新。为了更好地管理和维护各个版…

    2023年5月28日
    02
  • PHP中的Laravel框架指南。

    Laravel是一款流行的PHP Web应用程序框架,它为Web开发带来了很多便利和创新。在这篇文章中,我们将向你介绍Laravel的基础知识以及如何使用它来构建Web应用程序。Laravel的简介Laravel是一款自2011年以来不断发展壮…

    2023年5月30日
    04
  • 如何使用PHP开发商城的限时折扣功能。

    随着电子商务的迅猛发展,在线商城已经成为了人们购物的主要途径之一。要想在市场上占有一席之地,一个好的商城必须提供多种优惠活动来吸引消费者。其中,限时折扣是一种受欢迎且有效的促销方式。本文将着重介绍如…

    2023年5月30日
    03
  • PHP基础案例三:判断学生星座

    一、需求分析星座是根据出生月日(11~14位)进行匹配;例如,当出生日期在3月21日和4月19日之间就为白羊座,其他星座按此继续编写。二、设计思路1、 星座的划分是两个日期的区间,当日期小于10日的学生出生日,如…

    2022年6月23日
    0145
  • PHP对象--object

    对象--object 说明:世间万物皆为“对象”; 在PHP中的对象是由类创建来的。 如:女娲造人-泥巴 类:模具 Class people{ //属性 $name; $sex; $age; $header; $footer; //方法--行为 Function zou(){ Echo ‘走’; } } /…

    2017年11月21日
    0225
  • 详解PHP中被忽略的性能优化利器:生成器

    如果是做Python或者其他语言的小伙伴,对于生成器应该不陌生。但很多PHP开发者或许都不知道生成器这个功能,可能是因为生成器是PHP 5.5.0才引入的功能,也可以是生成器作用不是很明显。但是,生成器功能的确非常有…

    2022年6月20日
    0112
  • php之管理全局状态

    管理全局状态在命令式语言中总是需要一些全局空间。在编程 PHP 或扩展时,我们将明确区分我们所称的请求绑定全局变量和真正的全局变量。请求全局变量是处理请求过程中需要携带和记忆信息的全局变量。一个简单的例子…

    2022年6月12日
    0126
  • PHP中使用Redis实现分级存储。

    随着互联网业务的快速发展,数据量的增长速度也越来越快。在这样大规模的数据处理中,如何高效地存储和快速访问数据成为了一个亟待解决的问题。传统的关系型数据库存储方式已经无法满足需要,因此,非关系型存储系…

    2023年5月21日
    03

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