php使用QueryList輕鬆採集JavaScript動態渲染頁面

Jaeger發表於2019-02-16
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-PhantomJS

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 QLQueryList;
use QLExtPhantomJs;

$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 (JonnyWPhantomJsHttpRequestInterface $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 (JonnyWPhantomJsHttpRequestInterface $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());

相關文章