PHP 使用 QueryList 輕鬆採集 JavaScript 動態渲染頁面

Jaeger發表於2017-10-02
PHPJavaScript

QueryList使用jQuery的方式來做採集，擁有豐富的外掛。

下面來演示QueryList使用PhantomJS外掛抓取JS動態建立的頁面內容。

安裝

使用Composer安裝：

  • 安裝QueryList
composer require jaeger/querylist

GitHub: https://github.com/jae-jae/QueryList

  • 安裝PhantomJS外掛
composer require jaeger/querylist-phantomjs

GitHub: https://github.com/jae-jae/QueryList-Phant...

下載PhantomJS二進位制檔案

PhantomJS官網:http://phantomjs.org ，下載對應平臺的PhantomJS二進位制檔案。

外掛API

  • QueryList browser($url,$debug = false,$commandOpt = []):使用瀏覽器開啟連線

使用

以採集「今日頭條」手機版為例，「今日頭條」手機版基於React框架，內容是純動態渲染出來的。

下面演示QueryList的PhantomJs外掛用法:

  • 安裝外掛
use QL\QueryList;
use QL\Ext\PhantomJs;

$ql = QueryList::getInstance();
// 安裝時需要設定PhantomJS二進位制檔案路徑
$ql->use(PhantomJs::class,'/usr/local/bin/phantomjs');
//or Custom function name
$ql->use(PhantomJs::class,'/usr/local/bin/phantomjs','browser');
  • Example-1

獲取動態渲染的HTML:

$html = $ql->browser('https://m.toutiao.com')->getHtml();
print_r($html);

獲取所有p標籤文字內容:

$data = $ql->browser('https://m.toutiao.com')->find('p')->texts();
print_r($data->all());

輸出:

Array
(
    [0] => 自拍模式開啟！國慶假期我和國旗合個影
    [1] => 你旅途已開始 他們仍在自己的崗位上為你的假期保駕護航
    [2] => 喜極而泣，都教授終於回到地球了！
    //....
)

使用http代理:


// 更多選項可以檢視文件: http://phantomjs.org/api/command-line.html
$ql->browser('https://m.toutiao.com',true,[
    // 使用http代理
    '--proxy' => '192.168.1.42:8080',
    '--proxy-type' => 'http'
])
  • Example-2

自定義一個複雜的請求：

$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){
    $r->setMethod('GET');
    $r->setUrl('https://m.toutiao.com');
    $r->setTimeout(10000); // 10 seconds
    $r->setDelay(3); // 3 seconds
    return $r;
})->find('p')->texts();

print_r($data->all());

開啟debug模式，並從本地載入cookie檔案：

$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){
    $r->setMethod('GET');
    $r->setUrl('https://m.toutiao.com');
    $r->setTimeout(10000); // 10 seconds
    $r->setDelay(3); // 3 seconds
    return $r;
},true,[
    '--cookies-file' => '/path/to/cookies.txt'
])->rules([
    'title' => ['p','text'],
    'link' => ['a','href']
])->query()->getData();

print_r($data->all());
本作品採用《CC 協議》，轉載必須註明作者和本文連結

相關文章