關于php網絡爬蟲phpspider

前幾天，被老板拉去說要我去抓取大眾點評某家店的數據，當然被我義正言辭的拒絕了，理由是我不會。。。但我的反抗并沒有什么卵用，所以還是乖乖去查資料，因為我是從事php工作的，首先找的就是php的網絡爬蟲源碼，在我的不懈努力下，終于找到phpspider，打開phpspider開發文檔首頁我就被震驚了，標題《我用爬蟲一天時間“偷了”知乎一百萬用戶，只為證明PHP是世界上最好的語言 》，果然和我預料的一樣，php就是世界上最好的語言。廢話少說，下面開始學習使用。

首先看的是提供的一個demo，代碼如下：

每項具體的信息，可以去 https://doc.phpspider.org/demo-start.html 查看，哪里比較詳細，這里只說下我走的彎路，

domains是定義采集的域名，只在該域名下采集，

content_url_regexes是采集的內容頁，使用chrome查看網頁源碼，然后使用selector選擇器定位，selector使用xpath格式定位參數，當然也可以用css來選擇。

list_url_regexes列表頁，每個列表頁抓取多條content_url_regexes的url循環采集。

還有一些其他參數沒有列出來，例如：

'max_try' => 5, 'export' => array( 'type' => 'db', 'conf' => array( 'host' => 'localhost', 'port' => 3306, 'user' => 'root', 'pass' => 'root', 'name' => 'demo', ), 'table' => '360ky', ),

max_try 同時工作的爬蟲任務數。

export采集數據存儲，有兩種格式，一種是寫到數據庫中，一種是直接生成.csv格式文件。

只要url規則寫的對，就可以運行，不用管框架里面的封裝。當然，此框架只能在php-cli命令行下運行，所以使用前要先配置環境變量，或者cd到php安裝路徑運行。

最后成功采集到大眾點評某點的一千多條數據。

PHP 網絡

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。