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)
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实现斗鱼弹幕,一起来欣赏弹幕吧~

    斗鱼弹幕 PHP版本github地址:https://github.com/wjhtime之前写过python获取斗鱼的弹幕 传送门,突发奇想,想要用php来实现。弹幕获取实现起来很简单,用swoole很容易做到了,后期也做了一些命令行格式的优化使...

    2022年6月23日
    0151
  • 我来分享SEO搜索引擎爬虫的工作原理是怎样的。

    作为一名合格的seoER,我们接触的是网站,接触的是搜索引擎,既然如此,那么我们就必须对搜索引擎有一定的了解,只有这样才能做出效果。1、种子URL所谓种子URL所指的就是最开始选定的URL地址,大多数情况下,网站...

    2023年6月29日
    00
  • 如何使用PHP进行智能问答和知识图谱。

    随着人工智能技术的发展,智能问答系统和知识图谱已经成为了人们使用互联网获取信息的重要方式之一。PHP是一种非常流行的编程语言,非常适合用于开发智能问答系统和知识图谱。本文将介绍如何使用PHP进行智能问答...

    2023年5月28日
    05
  • PHP8.0中的trait组合

    随着PHP语言的不断发展和升级,trait(特征)这个概念也越来越被程序员所认知和广泛应用。在PHP8.0版本中,trait组合成为了一个非常有价值的特性,对于编写高质量、易维护的代码来说,这是至关重要的。在过去的版...

    2023年5月18日
    011
  • 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...

    2023年5月30日
    02
  • 浅谈PHP中需要禁用的危险函数

    本篇文章给大家聊聊PHP安全,介绍一些危险的内置函数,以及禁用函数的方法。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。PHP配置文件中的disable_functions选项能够在PHP中禁用函数,PHP内...

    2023年3月29日
    02
  • PHP实现数据库分区的方法。

    随着互联网应用的不断发展,数据量的增长也呈现出爆发式的增长趋势。对于存储海量数据的数据库而言,不仅需要具备高并发、高可用、高性能等特性,还需要满足数据治理、数据隔离、数据分级等数据安全需求。在此背...

    2023年5月21日
    011
  • 小编分享php设置虚拟主机的方法是什么意思。

    PHP虚拟主机是一种虚拟的服务器,可以在同一台物理主机上托管多个域名,并根据不同的域名提供不同的服务。在PHP中设置虚拟主机的方法有很多种,其中一种方法是在Apache PHP虚拟主机配置步骤中进行配置 。 什么是...

    2024年7月14日
    05

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