php爬虫最最最最简单教程

最新推荐文章于 2024-06-28 16:11:57 发布

weixin_34336526

最新推荐文章于 2024-06-28 16:11:57 发布

阅读量208

点赞数

文章标签： php 爬虫 java

原文链接：http://www.cnblogs.com/Renyi-Fan/p/10608396.html

版权

php爬虫最最最最简单教程

一、总结

一句话总结：用的爬虫框架，却是用的自己的例子（因为网站结构的变化，作者的例子不一定好用）

爬虫框架自己例子

1、发现自己的运行效果和作者的不一样怎么办？

耐下性子快速阅读全部文档

作者的文档很有可能是之前写的，不一样正常，但是看文档的时候尽量全部文档都看一下，否则只看前面几个因为各种原因（比如例子年久失修）例子可能运行不出来

二、爬虫使用流程

1、下载爬虫框架

owner888/phpspider: 《我用爬虫一天时间“偷了”知乎一百万用户，只为证明PHP是世界上最好的语言》所使用的程序
https://github.com/owner888/phpspider

2700+Star，用用不亏

我下载的发布版2.1.6

点开

下载好的

然后解压

2、配置php环境（非必须，为了方便）

在电脑的系统环境变量配置里面，在path变量里面添加了一条php，可以发现我的php版本是7.0.12

不会配置电脑系统变量的自己百度去，和配置java的jdk类似

3、用我的例子（例子的功能是获取博客园里面文章的标题）

在demo文件夹下新建一个名为firstDemo_2.php的php文件

如下

文件里面的代码如下：例子的功能是获取博客园里面文章的标题

 1 <?php
 2 // composer下载方式
 3 // 先使用composer命令下载：
 4 // composer require owner888/phpspider
 5 // 引入加载器
 6 //require './vendor/autoload.php';
 7 
 8 // GitHub下载方式
 9 require_once __DIR__ . '/../autoloader.php';
10 use phpspider\core\phpspider;
11 
12 /* Do NOT delete this comment */
13 /* 不要删除这段注释 */
14 
15 $configs = array(
16     'name' => '博客园',
17     'log_show' => false,
18     'domains' => array(
19         'www.cnblogs.com'
20     ),
21     'scan_urls' => array(
22         'https://www.cnblogs.com/Renyi-Fan/p/10570492.html'
23     ),
24     'fields' => array(
25         // 抽取内容页的文章标题
26         array(
27             'name' => "article_title",
28             'selector' => "//*[@id=\"cb_post_title_url\"]",
29             'required' => true
30         )
31     ),
32     'export' => array(
33         'type'  => 'sql',
34         'file'  => './data/cnblog_fry.sql',
35         'table' => '数据表',
36     ),
37 
38 );
39 
40 $spider = new phpspider($configs);
41 $spider->start();