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,不代表科技代码立场,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

  • 一个查看xhprof数据文件的docker镜像

    xhprof这个工具是一个分析php执行的工具,具体使用方法这里不多说。对于xhprof生成的分析结果包往往需要搭配nginx+graphviz,还需要配置相关文件到指定路径下。但使用windows或者mac时往往不想因为只看一个报告而...

    2022年6月25日
    0121
  • 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,...

    2023年5月21日
    010
  • PHP中的错误和异常处理指南。

    PHP是一种在Web开发领域中广泛使用的脚本语言,它为开发者提供了丰富的函数和工具集。然而,在开发过程中,不可避免地会出现各种错误和异常。因此,在PHP中进行错误和异常处理是必不可少的。本文将为读者提供PHP...

    2023年5月23日
    00
  • 循环结构---FOR循环

    语法: For(变量初始化;条件表达式;变量的变化){ 循环体; } 案例:1-99 注意:变量初始化可以是多个,用逗号隔开。 注意:条件判断可以是多个,每个用逗号隔开。 图解:

    2018年2月24日 PHP自学教程
    0434
  • PHP中使用Redis实现分布式锁升级版。

    随着Web应用的发展,分布式架构已经成为了越来越多应用的标配。但是,在分布式架构中,如何保证多个应用同时访问同一资源的互斥性,保证数据的一致性,就成为了每个开发人员需要面对的问题。分布式锁就是一种保证...

    2023年5月21日
    03
  • PHP递归思想说明

    说明:在一个函数内部再次有条件调用自己(当前函数),这个时候就称为“递归调用”,即自己调用自己。 代码 图解 注意: 递归调用必须有一个可以退出的条件,否则无法退出递归调用,就会成死归,也就是说必须逐渐的...

    2018年4月7日
    0190
  • php array_column()函数介绍(实例)

    函数介绍:array_column() 返回返回一个数组,数组的值为输入数组中某个单一列的值。(推荐教程:php图文教程)语法:array_column(array,column_key,index_key);参数:array 必需。指定要使用的多维数组(记录集...

    2022年6月15日
    0181
  • PHP实现邮件异步发送的技术。

    随着电子邮件在我们日常生活和工作中的广泛使用,许多网站和应用程序都需要发送大量的电子邮件。然而,在大量邮件发送的情况下,同步发送可导致网站的性能下降,因为PHP必须等待邮件发送完成才能继续运行。为了避...

    2023年5月23日
    04

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