thinkphp怎么使用querylist3采集

发布网友 发布时间：2022-04-29 08:57

我来回答

共2个回答

懂视网 时间：2022-04-29 13:19

QueryList 是什么?

QueryList是一套用于内容采集的PHP工具，它使用更加现代化的开发思想，语法简洁、优雅，可扩展性强。相比传统的使用晦涩的正则表达式来做采集，QueryList使用了更加强大而优雅的CSS选择器来做采集，大大降低了PHP做采集的门槛，同时也让采集代码易读易维护，让你从此告别晦涩难懂且不易维护的正则表达式。

QueryList 提供的一整套内容采集解决方案

● DOM内容选择：CSS选择器

● HTTP客户端：GuzzleHTTP

● 内容过滤：CSS选择器

● 解决乱码：内置多套乱码解决方案

● 额外功能：丰富的扩展插件

前提

项目主要用thinkphp5框架，主要会用到`QueryList.php`和`phpQuery.php`这两个文件。我们可以切换到项目目录，extend里新建QL，然后在QL目录执行composer命令安装QueryList:

composer require jaeger/querylist

然后在需要使用的控制器中加入 use QLQueryList; 接下来就在控制器里编写代码了，以下是一个实例

//需要采集的目标页面
$page = 'http://cms.querylist.cc/news/566.html';
//采集规则
$reg = array(
 //采集文章标题
 'title' => array('h1','text'),
 //采集文章发布日期,这里用到了QueryList的过滤功能，过滤掉span标签和a标签
 'date' => array('.pt_info','text','-span -a',function($content){
 //用回调函数进一步过滤出日期
 $arr = explode(' ',$content);
 return $arr[0];
 }),
 //采集文章正文内容,利用过滤功能去掉文章中的超链接，但保留超链接的文字，并去掉版权、JS代码等无用信息
 'content' => array('.post_content','html','a -.content_copyright -script',function($content){
 //利用回调函数下载文章中的图片并替换图片路径为本地路径
 //使用本例请确保当前目录下有image文件夹，并有写入权限
 //由于QueryList是基于phpQuery的，所以可以随时随地使用phpQuery，当然在这里也可以使用正则或者其它方式达到同样的目的

 $doc=phpQuery::newDocumentHTML($content);
 $imgs = pq($doc)->find('img');
 foreach ($imgs as $img) {
  $src = 'http://cms.querylist.cc'.pq($img)->attr('src');
  $localSrc = md5($src).'.jpg';
  $stream = file_get_contents($src);
  file_put_contents($localSrc,$stream);
  pq($img)->attr('src',$localSrc);
 }
 return $doc->htmlOuter();
 })
);
$rang = '.content';
$ql = QueryList::Query($page,$reg,$rang);
$data = $ql->getData();
//打印结果
print_r($data);

注意：

在使用phpQuery类时需要在前面加上，因为phpQuery.php中没有使用命名空间，因为使用命名空间后，QueryList.php无法使用phpQuery类。

更多相关ThinkPHP知识，请访问ThinkPHP教程！

热心网友 时间：2022-04-29 10:27