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与数据挖掘的集成。

    目前,数据挖掘在各行各业中都扮演着非常重要的角色,同时PHP作为一种流行的编程语言,在开发Web应用方面具有广泛的应用。因此,将PHP与数据挖掘集成起来,可以为开发人员提供更强大的功能和更高效的方法。本文将介…

    2023年5月21日
    05
  • PHP8中的函数:str_ends_with()——判断字符串是否以指定字符结尾。

    随着PHP7版本的发布,PHP语言的性能得到了飞速提高,而当前最新版本的PHP8更是加入了许多新的特性和增强,其中一个新特性就是str_ends_with()函数,它使得判断字符串是否以指定字符结尾变得更加简单和直观。 str_en…

    2023年5月21日
    01
  • php如何安装bcmath扩展脚本?(附代码)

    php如何安装bcmath扩展脚本?下面本篇文章给大家介绍一下php安装bcmath扩展脚本的方法。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。 #!/bin/bash bcmath_ini=/etc/php.d/40-bcmath.ini ## …

    2022年6月20日
    0167
  • php基本语法-流程控制

    流程的控制其实就是代码执行顺序的控制 1、顺序结构 表示代码从上至下逐行执行 2、分支结构 1)if 语法: if(条件表达式){         执行语句; } 2)if else 语法: if(条件表达式){         执行语句块1; }else{   …

    2017年9月25日 PHP自学教程
    0287
  • php运算符的说明介绍

    说明:对操作数进行运算的符号,就是运算符。 表达式:表达式是 PHP 最重要的基石。在 PHP 中,几乎所写的任何东西都是一个表达式。简单但却最精确的定义一个表达式的方式就是"任何有值的东西"。 如:$a = 5; $a = …

    2017年12月2日
    0211
  • php分页的具体实现操作

    3(1)先创建一个分页导航条,可以点击 (2)动态创建分页导航条,直接采用面向对象思想实现成员属性:保存数据的,保存将来可能会变化的数据创建多少页,将来会变化,所以我们将其保存到属性上总的页数 == 查询的…

    2018年9月19日 PHP案例操作
    0312
  • PHP中str_replace高级使用你知道吗?

    “ str_replace高级使用你应该了解一下 ” 在阅读PHP框架ThinkPHP源码的过程中有很多方法的冷门使用,也就是不常用的使用方法。 这里咔咔先对str_replace这个方法进行解析,这个方法也就是替换字符串中的一些字符(区…

    2022年6月25日 PHP自学教程
    0122
  • php程序员应具有的7种能力

    php能力  1,了解阶段,您能写一些代码,因为那是在手册和google的帮助下,您才完成的。变量乱定义,N多函数不知道,做起事来很慢,想到什么写什么,代码写的比较乱,后期维护很麻烦。 2,熟悉阶段,经常查函数,手…

    2017年11月16日
    0213

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