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。

安裝

使用Composer安裝：

• 安裝QueryList

composer require jaeger/querylist

GitHub: https://github.com/jae-jae/QueryList

• 安裝PhantomJS插件

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

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:

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

獲取全部p標籤文本內容:

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

輸出:

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:

// 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：

$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：

$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());