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

  • 如何让tomcat支持PHP运行

    java开发者都知道,tomcat是用来部署java web项目的。要求与PHP项目使用相同域名、相同端口,在不使用nginx的情况下如何实现? 得知通过Java Bridge 可以实现tomcat支持运行php运行。 下面是详细步骤。1.环境准备安…

    2023年3月29日
    00
  • PHP中如何进行高性能计算和网络编程。

    随着互联网的蓬勃发展,PHP成为了其中一个常用的编程语言。作为一种面向脚本的语言,PHP对于快速构建Web应用非常方便。然而,PHP在处理大量数据和高并发时,性能问题也相当显著。那么,如何在PHP中进行高性能计算和…

    2023年5月23日
    04
  • PHP与数据库监控的集成

    PHP作为Web开发中的常用语言,与数据库的结合使用已经成为常态。在开发过程中,我们不仅需要保证程序的正常运行,还需要对数据库进行监控,及时发现和解决问题。本文将介绍使用PHP进行数据库监控的相关知识和技巧,…

    2023年5月19日
    04
  • PHP中如何进行AR和VR应用开发?

    在过去的几年中,增强现实(AR)和虚拟现实(VR)技术已经得到了广泛应用,为用户提供了更加真实的体验。这种技术被广泛运用于游戏、娱乐、教育和医疗等领域。PHP是一门流行的Web开发语言,被广泛用于应用程序的开…

    2023年5月17日
    08
  • PHP入门指南:PHP和Hive。

    PHP是一种广泛使用的服务器端编程语言,它的使用范围覆盖了几乎所有行业。在本篇文章中,我们将探讨PHP对于大数据处理的特殊作用。在特定环境下,PHP可以与Apache Hive协作,从而实现实时数据处理和分析。先来介绍…

    2023年5月23日
    04
  • 利用PHP快速创建直播功能。

    在今天的互联网社会中,直播已经成为了一个非常流行的娱乐方式和社交方式。各大直播平台如斗鱼、虎牙等已经成为了众多年轻人的必备娱乐工具,直播也成为了一种新的创业方式。而对于一些企业、机构或者个人而言,他…

    2023年5月23日
    03
  • 总结PHP字符串与数组处理函数用法

    本文实例讲述了PHP字符串与数组处理函数用法。分享给大家供大家参考,具体如下:字符串处理函数trim --去除字符串首尾的多余空白字符和其他字符函数结构:string trim ( string $str [, string $character_mask = &…

    2022年6月16日
    0152
  • php的比较运算符

    说明:对操作数进行比较,< <= > >= == != === !== ,比较运算符的结果是有真(true)和假(false)

    2017年12月2日 PHP自学教程
    0217

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