PHP使用QueryList採集微信文章頁

採集目標

微信文章頁標題、內容、發佈時間、做者等信息。

採集示例URL

https://mp.weixin.qq.com/s?src=11&timestamp=1523173327&ver=803&signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2Ld0npUWmp*2Gj7bPJY3SCWrpRKlXJA0p4eQWPpAzMPJVmxPcRV5TtLS&new=1

採集內容區圖例

分析內容選擇器

利用瀏覽器開發者工具來分析待採集的區域選擇器，這裏不作詳細講解,若有不明白請自行了解jQuery選擇器和CSS選擇器相關知識，如圖：

分析結果:

• 標題選擇器爲：.rich_media_title
• 發佈時間選擇器爲: #post-date
• 做者選擇器爲：#meta_content>.rich_media_meta:eq(2)
• 內容選擇器爲：.rich_media_content

選擇器寫法並非惟一的，只要能選擇到內容選擇器隨便怎麼寫均可以。

代碼

選擇器分析出來後代碼就很容易實現了。

安裝QueryList

composer require jaeger/querylist

微信採集代碼

<?php

require 'vendor/autoload.php';

use QL\QueryList;

$url = 'https://mp.weixin.qq.com/s?src=11&timestamp=1523173327&ver=803&signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2Ld0npUWmp*2Gj7bPJY3SCWrpRKlXJA0p4eQWPpAzMPJVmxPcRV5TtLS&new=1';

// 採集規則
$rules = [
    'title' => ['.rich_media_title','text'],
    'date' => ['#post-date','text'],
    'author' => ['#meta_content>.rich_media_meta:eq(2)','text'],
    'content' => ['.rich_media_content','html']
];

$data = QueryList::get($url)->rules($rules)->query()->getData();

print_r($data->all());

能夠很輕鬆的就寫出採集代碼出來，來看看運行結果:

Array
(
    [0] => Array
        (
            [title] => “贸易战”战火尚未燃起，特朗普已被各大媒体炮轰丨外媒说
            [date] => 2018-04-08
            [author] => 双语君
            [content] => <section class="xmteditor" style="display:none;" data-tools="新媒体管家" data-label="powered by xmt.cn"></section><p style="white-space: normal;"><img class="" data-ratio="0.134375" data-s="300,640" data-src="https://mmbiz.qpic.cn/mmbiz_png/IqicDAGdXNibs5wrrbmbVJW8HZB9Qv5ajtuR4C4kIQI43GjtM0ZDsDWzFSCZ7UcthQ1bbPqBSENxEdvRyzzaBavg/640?wx_fmt=png" data-type="png" data-w="640" style="color: rgb(62, 62, 62);text-align: justify;line-height: 28.4444px;background-color: rgb(255, 255, 255);box-sizing: border-box !important;word-wrap: break-word !important;visibility: visible !important;width: auto !important;" width="auto"></p>
<p style="white-space: normal;"><br></p>
<p style="white-space: normal;"><span style="font-size: 15px;">自特朗普挑起“贸易战”以来，一把利剑就悬在全球市场的头上。</span></p>
<p style="white-space: normal;"><br></p>
<p style="white-space: normal;"><span style="font-size: 15px;">中美两国公布的征税商品规模越变越大，股市震荡，世界经济的不确定性与日俱增。</span></p>
<p style="white-space: normal;"><br></p>
......
)

和預期同樣正確採集到了內容，可是內容亂碼了。

解決亂碼

解決亂碼的方法有不少，QueryList內置的解決方案是使用encoding()和removeHead()這個方法，但通過嘗試發現目前的場景都沒有效果，因此我使用了另外一種方法來解決微信亂碼問題,修改後的代碼以下：

<?php

require 'vendor/autoload.php';

use Jaeger\GHttp;
use QL\QueryList;

$url = 'https://mp.weixin.qq.com/s?src=11&timestamp=1523173327&ver=803&signature=6PCxJ*3ojH2ZM8pm56Lquward0mQMwSkPnqCvYlrDkQmL2kAEjGcFJMj2lzvpHyuyT30lczb2Ld0npUWmp*2Gj7bPJY3SCWrpRKlXJA0p4eQWPpAzMPJVmxPcRV5TtLS&new=1';

// 採集規則
$rules = [
    'title' => ['.rich_media_title','text'],
    'date' => ['#post-date','text'],
    'author' => ['#meta_content>.rich_media_meta:eq(2)','text'],
    'content' => ['.rich_media_content','html']
];

$html = GHttp::get($url);
// 直接匹配出body中的內容
preg_match('/<body[^>]+>(.+)\s+<\/body>/s',$html,$arr);
$html = $arr[0];

$data = QueryList::html($html)->rules($rules)->query()->getData();

print_r($data->all());

運行結果:

Array
(
    [0] => Array
        (
            [title] => 「貿易戰」戰火還沒有燃起，特朗普已被各大媒體炮轟丨外媒說
            [date] => 2018-04-08
            [author] => 雙語君
            [content] => <section class="xmteditor" style="display:none;" data-tools="新媒體管家" data-label="powered by xmt.cn"></section><p style="white-space: normal;"><img class="" data-ratio="0.134375" data-s="300,640" data-src="https://mmbiz.qpic.cn/mmbiz_png/IqicDAGdXNibs5wrrbmbVJW8HZB9Qv5ajtuR4C4kIQI43GjtM0ZDsDWzFSCZ7UcthQ1bbPqBSENxEdvRyzzaBavg/640?wx_fmt=png" data-type="png" data-w="640" style="color: rgb(62, 62, 62);text-align: justify;line-height: 28.4444px;background-color: rgb(255, 255, 255);box-sizing: border-box !important;word-wrap: break-word !important;visibility: visible !important;width: auto !important;" width="auto"></p>
<p style="white-space: normal;"><br></p>
<p style="white-space: normal;"><span style="font-size: 15px;">自特朗普挑起「貿易戰」以來，一把利劍就懸在全球市場的頭上。</span></p>
<p style="white-space: normal;"><br></p>
<p style="white-space: normal;"><span style="font-size: 15px;">中美兩國公佈的徵稅商品規模越變越大，股市震盪，世界經濟的不肯定性與日俱增。</span></p>
<p style="white-space: normal;"><br></p>
....
)

原文： http://study.querylist.cc/arc...