一、如何采集信息
以前听说过采集的,但是没自己搞过,一直以为采集是一个十分高大上的技术。这段时间在做一个电商项目,需要往数据库添加数据,一条一条的添加有点蛋疼,谁有这么多时间做这么没有意义的事情呢,所以就想到了数据采集,采集京东、天猫的数据多好,多省事呀,于是便行动起来。
做采集,我首先想到的是正则表达式,我还复习了一下正则,但是如何匹配多层嵌套的div的呢?
我的目的就是获取id="plist"的内容,然后获取li里面的信息
画了不少时间,用正则方式没有找到解决办法,但是找到另外一种方法--phpQuery。phpQuery用来匹配html中的内容比正则简单太多了,只要会jquery,使用起来几乎无障碍。
关于phpQuery的详细使用方法,可以参考博客:https://blog.csdn.net/u012543061/article/details/61194372
二、采集案例
<?php
require './phpQuery.php';
//获取远程图片
function curl_file_get_contents($url,$from){
//初始化curl会话
$ch = curl_init();
//设置一个cURL传输选项。
curl_setopt($ch, CURLOPT_URL, $url); //目标
curl_setopt($ch, CURLOPT_TIMEOUT, 2);
//curl_setopt($ch, CURLOPT_USERAGENT, _USERAGENT_);
curl_setopt($ch, CURLOPT_REFERER,$from); //伪造来路
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
$result = curl_exec($ch);
curl_close($ch);
return $result;
}
//载入文档
phpQuery::newDocumentFile('https://list.jd.com/list.html?cat=670,671,672');
$list = pq('li.gl-item');
$from = 'http://list.jd.com/list.html?cat=670,671,672';
for($i=0;$i<count($list);$i++){
$src = pq($list)->eq($i)->find('.p-img')->find('img')->attr('src');
if(!$src){
$src = pq($list)->eq($i)->find('.p-img')->find('img')->attr('data-lazy-img');
}
$src = str_replace('/n7/','/n1/',$src);
$result = curl_file_get_contents('http:'.$src,$from);
file_put_contents('./images/'.basename($src), $result);
}
?>
一瞬间就保存了60张图片的,牛掰吧
我的大作,欢迎来踩 www.iis7.com