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游戏编程25个脚本代码
Feb 08 PHP
解析PHP汉字转换拼音的类
Jun 18 PHP
CodeIgniter CLI模式简介
Jun 17 PHP
几个实用的PHP内置函数使用指南
Nov 27 PHP
php比较两个字符串长度的方法
Jul 13 PHP
php实现网站文件批量压缩下载功能
Oct 28 PHP
Yii2.0 模态弹出框+ajax提交表单
May 22 PHP
Yii核心验证器api详解
Nov 23 PHP
yii2实现分页,带搜索的分页功能示例
Jan 07 PHP
PHP不使用内置函数实现字符串转整型的方法示例
Jul 03 PHP
浅析PHP类的反射来实现依赖注入过程
Feb 06 PHP
php微信开发之关键词回复功能
Jun 13 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
PHP 遍历文件实现代码
2011/05/04 PHP
Yii框架在页面输出执行sql语句以方便调试的实现方法
2014/12/24 PHP
PHP实现通用alert函数的方法
2015/03/11 PHP
ThinkPHP5 框架引入 Go AOP,PHP AOP编程项目详解
2020/05/12 PHP
url 编码 js url传参中文乱码解决方案
2010/04/11 Javascript
javascript 中that的含义示例介绍
2014/05/14 Javascript
javascript设置和获取cookie的方法实例详解
2016/01/05 Javascript
vue2 如何实现div contenteditable=“true”(类似于v-model)的效果
2017/02/08 Javascript
Vue2.0如何发布项目实战
2017/07/27 Javascript
bootstrap时间插件daterangepicker使用详解
2017/10/19 Javascript
JS实现可视化文件上传
2018/09/08 Javascript
NodeJs之word文件生成与解析的实现代码
2019/04/01 NodeJs
JS数组方法reverse()用法实例分析
2020/01/18 Javascript
[00:32]2018DOTA2亚洲邀请赛VGJ.T出场
2018/04/03 DOTA
python脚本爬取字体文件的实现方法
2017/04/29 Python
Python创建字典的八种方式
2019/02/27 Python
Django框架文件上传与自定义图片上传路径、上传文件名操作分析
2019/05/10 Python
深入浅析python3中的unicode和bytes问题
2019/07/03 Python
PYTHON绘制雷达图代码实例
2019/10/15 Python
Python实现图片批量加入水印代码实例
2019/11/30 Python
python温度转换华氏温度实现代码
2020/12/06 Python
python 统计list中各个元素出现的次数的几种方法
2021/02/20 Python
adidas瑞典官方网站:购买阿迪达斯鞋子和运动服
2019/12/11 全球购物
中国电子产品批发商/跨境电商/外贸网:Sunsky-online
2020/04/20 全球购物
过滤器的用法
2013/10/08 面试题
入党推优材料
2014/06/02 职场文书
食品安全承诺书范文
2014/08/29 职场文书
个人遵守党的政治纪律情况对照检查材料思想汇报
2014/09/25 职场文书
敬业奉献模范事迹材料
2014/12/24 职场文书
先进基层党组织事迹材料
2014/12/25 职场文书
英文导游词
2015/02/13 职场文书
公司文体活动总结
2015/05/07 职场文书
实习单位意见
2015/06/04 职场文书
Python初学者必备的文件读写指南
2021/06/23 Python
深入理解go slice结构
2021/09/15 Golang
SQL Server的存储过程与触发器以及系统函数和自定义函数
2022/04/10 SQL Server