PHPCrawl爬虫库实现抓取酷狗歌单的方法示例


Posted in PHP onDecember 21, 2017

本文实例讲述了PHPCrawl爬虫库实现抓取酷狗歌单的方法。分享给大家供大家参考,具体如下:

本人看了网络爬虫相关的视频后,手痒痒,想爬点什么。最近Facebook上表情包大战很激烈,就想着把所有表情包都爬下来,却一时没有找到合适的VPN,因此把酷狗最近一月精选歌曲和简单介绍抓取到本地。代码写得有点乱,自己不是很满意,并不想放上来丢人现眼。不过转念一想,这好歹是自己第一次爬虫,于是...就有了如下不堪入目的代码~~~(由于抓取的数据量较小,所以没有考虑多进程什么的,不过我看了一下PHPCrawl的文档,发现PHPCrawl库已经把我能想到的功能都封装好了,实现起来很方便)

<?php
header("Content-type:text/html;charset=utf-8");
// It may take a whils to crawl a site ...
set_time_limit(10000);
include("libs/PHPCrawler.class.php");
class MyCrawler extends PHPCrawler {
  function handleDocumentInfo($DocInfo) {
    // Just detect linebreak for output ("\n" in CLI-mode, otherwise "<br>").
    if (PHP_SAPI == "cli") $lb = "\n";
    else $lb = "<br />";
    $url = $DocInfo->url;
    $pat = "/http:\/\/www\.kugou\.com\/yy\/special\/single\/\d+\.html/";
    if(preg_match($pat,$url) > 0){
    $this->parseSonglist($DocInfo);
    }
    flush();
  }
  public function parseSonglist($DocInfo){
    $content = $DocInfo->content;
    $songlistArr = array();
    $songlistArr['raw_url'] = $DocInfo->url;
    //解析歌曲介绍
    $matches = array();
    $pat = "/<span>名称:<\/span>([^(<br)]+)<br/";
    $ret = preg_match($pat,$content,$matches);
    if($ret>0){
      $songlistArr['title'] = $matches[1];
    }else{
      $songlistArr['title'] = '';
    }
    //解析歌曲
    $pat = "/<a title=\"([^\"]+)\" hidefocus=\"/";
    $matches = array();
    preg_match_all($pat,$content,$matches);
    $songlistArr['songs'] = array();
    for($i = 0;$i < count($matches[0]);$i++){
      $song_title = $matches[1][$i];
      array_push($songlistArr['songs'],array('title'=>$song_title));
    }
    echo "<pre>";
    print_r($songlistArr);
    echo "</pre>";
    }
  }
$crawler = new MyCrawler();
// URL to crawl
$start_url="http://www.kugou.com/yy/special/index/1-0-2.html";
$crawler->setURL($start_url);
// Only receive content of files with content-type "text/html"
$crawler->addContentTypeReceiveRule("#text/html#");
//链接扩展
$crawler->addURLFollowRule("#http://www\.kugou\.com/yy/special/single/\d+\.html$# i");
$crawler->addURLFollowRule("#http://www.kugou\.com/yy/special/index/\d+-\d+-2\.html$# i");
// Store and send cookie-data like a browser does
$crawler->enableCookieHandling(true);
// Set the traffic-limit to 1 MB(1000 * 1024) (in bytes,
// for testing we dont want to "suck" the whole site)
//爬取大小无限制
$crawler->setTrafficLimit(0);
// Thats enough, now here we go
$crawler->go();
// At the end, after the process is finished, we print a short
// report (see method getProcessReport() for more information)
$report = $crawler->getProcessReport();
if (PHP_SAPI == "cli") $lb = "\n";
else $lb = "<br />";
echo "Summary:".$lb;
echo "Links followed: ".$report->links_followed.$lb;
echo "Documents received: ".$report->files_received.$lb;
echo "Bytes received: ".$report->bytes_received." bytes".$lb;
echo "Process runtime: ".$report->process_runtime." sec".$lb; 
?>
PHP 相关文章推荐
php csv操作类代码
Dec 14 PHP
用PHP ob_start()控制浏览器cache、生成html实现代码
Feb 16 PHP
PHP判断变量是否为0的方法
Feb 08 PHP
在Windows系统下使用PHP生成Word文档的教程
Jul 03 PHP
PHP实现根据图片色界在不同位置加水印的方法
Aug 08 PHP
php微信公众平台开发之获取用户基本信息
Aug 17 PHP
PHP测试成功的邮件发送案例
Oct 26 PHP
thinkphp自带验证码全面解析
Sep 18 PHP
PHP curl 或 file_get_contents 获取需要授权页面的方法
May 05 PHP
laravel 5.1下php artisan migrate的使用注意事项总结
Jun 07 PHP
php成功操作redis cluster集群的实例教程
Jan 13 PHP
PHP时间函数使用详解
Mar 21 PHP
在云虚拟主机部署thinkphp5项目的步骤详解
Dec 21 #PHP
php获取微信共享收货地址的方法
Dec 21 #PHP
php实现socket推送技术的示例
Dec 20 #PHP
PHP实现模拟http请求的方法分析
Dec 20 #PHP
php封装db类连接sqlite3数据库的方法实例
Dec 19 #PHP
PHP性能分析工具xhprof的安装使用与注意事项
Dec 19 #PHP
PHP实现的最大正向匹配算法示例
Dec 19 #PHP
You might like
超级好用的一个php上传图片类(随机名,缩略图,加水印)
2010/06/30 PHP
php smarty截取中文字符乱码问题?gb2312/utf-8
2011/11/07 PHP
解析php中用PHPMailer来发送邮件的示例(126.com的例子)
2013/06/24 PHP
PHP小教程之实现链表
2014/06/09 PHP
关于Laravel参数验证的一些疑与惑
2019/11/19 PHP
jQuery 各种浏览器下获得日期区别
2008/12/22 Javascript
文本框根据输入内容自适应高度的代码
2011/10/24 Javascript
在JavaScript中操作数组之map()方法的使用
2015/06/09 Javascript
适用于javascript开发者的Processing.js入门教程
2016/02/24 Javascript
JS获取地址栏参数的两种方法(简单实用)
2016/06/14 Javascript
js无法获取到html标签的属性的解决方法
2016/07/26 Javascript
微信小程序 WXML、WXSS 和JS介绍及详解
2016/10/08 Javascript
EasyUI Combobox设置默认值 获取text的方法
2016/11/28 Javascript
微信小程序微信支付接入开发实例详解
2017/04/12 Javascript
JS实现无缝循环marquee滚动效果
2017/05/22 Javascript
vue高德地图之玩转周边
2017/06/16 Javascript
angular框架实现全选与单选chekbox的自定义
2017/07/06 Javascript
使用JavaScript实现链表的数据结构的代码
2017/08/02 Javascript
JSON对象转化为字符串详解
2017/08/11 Javascript
vue 实现复制内容到粘贴板clipboard的方法
2018/03/17 Javascript
layui弹出层按钮提交iframe表单的方法
2018/08/20 Javascript
浅析Angular 实现一个repeat指令的方法
2019/07/21 Javascript
JavaScript实现单图片上传并预览功能
2019/09/30 Javascript
vue微信分享插件使用方法详解
2020/02/18 Javascript
利用Opencv中Houghline方法实现直线检测
2018/02/11 Python
python 查找文件名包含指定字符串的方法
2018/06/05 Python
10个python爬虫入门实例(小结)
2020/11/01 Python
使用数据结构给女朋友写个Html5走迷宫游戏
2019/11/26 HTML / CSS
Kaufmann Mercantile官网:家居装饰、配件、户外及更多
2018/09/28 全球购物
西班牙在线宠物食品和配件商店:bitiba
2019/10/11 全球购物
PHP面试题大全
2015/10/16 面试题
旅游管理专业学生求职信
2013/09/28 职场文书
2014两会优秀的心得体会范文
2014/03/17 职场文书
乐观自信演讲稿范文
2014/05/21 职场文书
信息与工商管理职业规划范文:为梦想而搏击
2014/09/11 职场文书
Python字符串的转义字符
2022/04/07 Python