php采集器和爬虫,PHP爬虫采集工具phpQuery的用法

phpQuery是一个基于PHP的服务端开源项目，它可以让PHP开发人员轻松处理DOM文档内容。更有意思的是，它采用了jQuery的思想，使得可以像使用jQuery一样处理页面内容，获取想要的页面信息。

一、DEMO实例include 'phpQuery.php';

phpQuery::newDocumentFile('http://www.phper.org.cn');

echo pq("title")->text();

// 获取网页标题echo pq("div#header")->html();

// 获取id为header的div的html内容

上例中第一行引入phpQuery.PHP文件，第二行通过newDocumentFile加载一个文件，第三行通过pq()函数获取title标签的文本内容，第四行获取id为header的div标签所包含的HTML内容。主要做了两个动作，即加载文件和读取文件内容。

二、载入文档(loading documents)

加载文档主要通过phpQuery::newDocument来进行操作，其作用是使得phpQuery可以在服务器预先读取到指定的文件或文本内容。

主要的方法包括：phpQuery::newDocument(html,contentType = null)

phpQuery::newDocumentFile(file,contentType = null)

phpQuery::newDocumentHTML(html,charset = ‘utf-8′)

phpQuery::newDocumentXHTML(html,charset = ‘utf-8′)

phpQuery::newDocumentXML(html,charset = ‘utf-8′)

phpQuery::newDocumentPHP(html,contentType = null)

phpQuery::newDocumentFileHTML(file,charset = ‘utf-8′)

phpQuery::newDocumentFileXHTML(file,charset = ‘utf-8′)

phpQuery::newDocumentFileXML(file,charset = ‘utf-8′)

phpQuery::newDocumentFilePHP(file,contentType)

三、pq()函数用法

pq()函数的用法是phpQuery的重点，主要分两部分：即选择器和过滤器

【选择器】

要了解phpQuery选择器的用法，建议先了解jQuery的语法

最常用的语法包括有：

pq('#id')：即以#号开头的ID选择器，用于选择已知ID的容器所包括的内容

pq('.classname')：即以.开头的class选择器，用于选择class匹配的容器内容

pq('parent > child')：选择指定层次结构的容器内容，如：pq('.main > p')用于选择class=main容器的所有p标签

更多的语法请参考jQuery手册

【过滤器】

主要包括：:first,:last,:not,:even,:odd,:eq(index),:gt(index),:lt(index),:header,:animated等

如：

pq('p:last')：用于选择最后一个p标签

pq('tr:even')：用于选择表格中偶然行

四、phpQuery连贯操作

pq()函数返回的结果是一个phpQuery对象，可以对返回结果继续进行后续的操作，例如：

pq('a')->attr('href', 'newVal')->removeClass('className')->html('newHtml')->...

详情请查阅jQuery相关资料，用法基本一致，只需要注意.与->的区别即可。