爬虫实战：使用PHP爬取携程旅游信息

最新推荐文章于 2024-08-24 11:04:06 发布

ShopScraperPro

最新推荐文章于 2024-08-24 11:04:06 发布

阅读量678

点赞数 9

文章标签：爬虫 php 旅游

本文链接：https://blog.csdn.net/g171104/article/details/140093307

版权

随着旅游业的不断发展，旅游信息变得非常丰富。为了方便大家获取更全面、准确的旅游信息，我们可以使用爬虫来抓取旅游网站上的数据，并进行分析和处理。本文将介绍如何使用php爬取携程旅游信息。

爬虫基础知识

爬虫是一种自动化程序，可以模拟用户访问网站并获取网站上的数据。爬虫一般分为以下几步：

发起请求：爬虫程序会向目标网站发起HTTP请求，获取目标网站的HTML代码。
解析HTML：使用适当的解析器对HTML代码进行解析，并获取需要的数据。常见的解析器有正则表达式、XPath和DOM解析器等。
存储数据：将获取到的数据存储到文件或数据库中，以便后续分析和处理。
目标网站分析

在编写爬虫之前，首先需要分析目标网站的结构和数据。本次爬虫的目标网站是携程旅游网站。我们需要分析该网站的URL结构和HTML代码，以确定请求方式和解析方式。

2.1 URL结构分析

携程旅游网站的URL结构比较简单，每个旅游产品都有一个唯一的ID号。以浏览北京旅游为例，其URL为：https://you.ctrip.com/sight/beijing1.html。其中，beijing1表示北京旅游的ID号。

立即学习“PHP免费学习笔记（深入）”；

2.2 HTML代码分析

使用Chrome浏览器的开发者工具查看该网页的HTML代码，可以发现页面上的旅游信息都在一个class为“list_mod2”的div中。该div中包含了每个旅游产品的详细信息，包括产品名称、价格、评价等。在爬虫程序中，我们需要使用PHP的DOM解析器来解析这些信息。

爬虫程序编写

现在我们已经了解了目标网站的URL结构和HTML代码，可以编写爬虫程序来获取旅游信息。

3.1 发起HTTP请求

首先，我们需要使用PHP的cURL库来向目标网站发起HTTP请求，获取目标网站的HTML代码。在代码中，我们使用了一个循环，从ID=1开始，依次获取各个旅游产品的详细信息。

//爬取ID号从1到n的旅游产品的详细信息

for($i=1;$i<=$n;$i++){

$url = "https://you.ctrip.com/sight/beijing$i.html"; //目标网站URL

$ch = curl_init();

curl_setopt($ch, CURLOPT_URL, $url);

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);

$html = curl_exec($ch);

curl_close($ch);

}

3.2 解析HTML代码

接下来，我们使用PHP的DOM解析器来解析目标网站的HTML代码，并获取我们需要的旅游产品信息。在代码中，我们使用了XPath表达式来选择class为“list_mod2”的div，并获取其中的产品名称、价格、评价等信息。

$doc = new DOMDocument();

$doc->loadHTML($html);

$xpath = new DOMXPath($doc);

$list_mod2 = $xpath->query('//*[@class="list_mod2"]'); //选择class为"list_mod2"的div

foreach($list_mod2 as $mod){

$modImg = $xpath->query('a/img/@src', $mod)->item(0)->nodeValue; //获取产品图片URL

$modTitle = $xpath->query('div/h2/a', $mod)->item(0)->nodeValue; //获取产品名称

$modContent = $xpath->query('div/div/div/p/@title', $mod)->item(0)->nodeValue; //获取产品简介

$modPrice = $xpath->query('div/div/span/em', $mod)->item(0)->nodeValue; //获取产品价格

$modComment = $xpath->query('div/div/div/div/span[1]', $mod)->item(0)->nodeValue; //获取产品评价分数

$modCommentNum = $xpath->query('div/div/div/div/span[2]', $mod)->item(0)->nodeValue; //获取产品评价人数

}

3.3 存储数据

最后，我们将获取到的旅游产品信息存储到数据库中。在代码中，我们使用了PHP的PDO扩展来连接数据库，并将获取到的产品信息插入到名为“product_info”的数据库表中。

//连接数据库

$dsn = 'mysql:host=localhost;port=3306;dbname=test;charset=utf8';

$username = 'root';

$password = '123456';

$options = array(PDO::ATTR_ERRMODE => PDO::ERRMODE_EXCEPTION);

$dbh = new PDO($dsn, $username, $password, $options);

//将获取到的产品信息插入到数据库

$stmt = $dbh->prepare("INSERT INTO product_info(img_url, title, content, price, comment_score, comment_num) VALUES(?, ?, ?, ?, ?, ?)");

$stmt->bindParam(1, $modImg);

$stmt->bindParam(2, $modTitle);

$stmt->bindParam(3, $modContent);

$stmt->bindParam(4, $modPrice);

$stmt->bindParam(5, $modComment);

$stmt->bindParam(6, $modCommentNum);

$stmt->execute();

总结

使用PHP编写爬虫程序，可以轻松地抓取携程旅游网站的旅游产品信息，并将其存储到数据库中。在实际开发中，我们还可以使用多线程、IP代理等技术来提高爬虫程序的效率和稳定性。然而，需要注意的是，在使用爬虫程序的过程中，应当尊重目标网站的版权和隐私政策，避免侵权和滥用。