php使用QueryList輕鬆採集JavaScript動態渲染頁面

QueryList使用jQuery的方式來作採集，擁有豐富的插件。

 

下面來演示QueryList使用PhantomJS插件抓取JS動態建立的頁面內容。

推薦：《PHP教程》

安裝

使用Composer安裝：

安裝QueryList

1 2	composer require jaeger/querylist GitHub: https://github.com/jae-jae/QueryList

安裝PhantomJS插件

1 2	composer require jaeger/querylist-phantomjs GitHub: https://github.com/jae-jae/QueryList-PhantomJS

下載PhantomJS二進制文件

PhantomJS官網：http://phantomjs.org ，下載對應平臺的PhantomJS二進制文件。

插件API

QueryList browser($url,$debug = false,$commandOpt = []):使用瀏覽器打開鏈接

使用

以採集「今日頭條」手機版爲例，「今日頭條」手機版基於React框架，內容是純動態渲染出來的。

下面演示QueryList的PhantomJs插件用法:

安裝插件

1 2 3 4 5 6 7

use QL\QueryList; use QL\Ext\PhantomJs; $ql = QueryList::getInstance(); // 安裝時須要設置PhantomJS二進制文件路徑 $ql->use(PhantomJs::class,'/usr/local/bin/phantomjs'); //or Custom function name $ql->use(PhantomJs::class,'/usr/local/bin/phantomjs','browser');

Example-1

獲取動態渲染的HTML:

1 2	$html = $ql->browser('https://m.toutiao.com')->getHtml(); print_r($html);

獲取全部p標籤文本內容:

1 2	$data = $ql->browser('https://m.toutiao.com')->find('p')->texts(); print_r($data->all());

輸出:

1 2 3 4 5 6 7

Array (     [0] => 自拍模式開啓！國慶假期我和國旗合個影     [1] => 你旅途已開始 他們仍在本身的崗位上爲你的假期保駕護航     [2] => 喜極而泣，都教授終於回到地球了！     //.... )

使用http代理:

1 2 3 4 5 6

// 更多選項能夠查看文檔: http://phantomjs.org/api/command-line.html $ql->browser('https://m.toutiao.com',true,[     // 使用http代理     '--proxy' => '192.168.1.42:8080',     '--proxy-type' => 'http' ])

Example-2

自定義一個複雜的請求：

1 2 3 4 5 6 7 8

$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){     $r->setMethod('GET');     $r->setUrl('https://m.toutiao.com');     $r->setTimeout(10000); // 10 seconds     $r->setDelay(3); // 3 seconds     return $r; })->find('p')->texts(); print_r($data->all());

開啓debug模式，並從本地加載cookie文件：

1 2 3 4 5 6 7 8 9 10 11 12 13

$data = $ql->browser(function (\JonnyW\PhantomJs\Http\RequestInterface $r){     $r->setMethod('GET');     $r->setUrl('https://m.toutiao.com');     $r->setTimeout(10000); // 10 seconds     $r->setDelay(3); // 3 seconds     return $r; },true,[     '--cookies-file' => '/path/to/cookies.txt' ])->rules([     'title' => ['p','text'],     'link' => ['a','href'] ])->query()->getData(); print_r($data->all());