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下检测字符串是否是utf8编码的代码
Jun 28 PHP
火车头discuz6.1 完美采集的php接口文件
Sep 13 PHP
PHP 日常开发小技巧
Sep 23 PHP
php 判断访客是否为搜索引擎蜘蛛的函数代码
Jul 29 PHP
PHP+Mysql+jQuery实现发布微博程序 jQuery篇
Oct 08 PHP
php计算几分钟前、几小时前、几天前的几个函数、类分享
Apr 09 PHP
php递归创建目录的方法
Feb 02 PHP
PHP Warning: Module 'modulename' already loaded in问题解决办法
Mar 16 PHP
php用户注册信息验证正则表达式
Nov 12 PHP
PHP观察者模式原理与简单实现方法示例
Aug 25 PHP
PHP7扩展开发之hello word实现方法详解
Jan 15 PHP
基于ThinkPHP删除目录及目录文件函数
Oct 28 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 UTF8中文字符截断函数代码
2012/09/11 PHP
php中ob_flush函数和flush函数用法分析
2015/03/18 PHP
php实现约瑟夫问题的方法小结
2015/03/23 PHP
PHP生成短网址的思路以及实现方法的详解
2019/03/25 PHP
ExtJs GridPanel简单的增删改实现代码
2010/08/26 Javascript
三级下拉菜单的js实现代码
2011/05/23 Javascript
Ajax局部更新导致JS事件重复触发问题的解决方法
2014/10/14 Javascript
jQuery遍历json中多个map的方法
2015/02/12 Javascript
根据user-agent判断蜘蛛代码黑帽跳转代码(js版与php版本)
2015/09/14 Javascript
浅析Javascript匿名函数与自执行函数
2016/02/06 Javascript
JS检测移动端横竖屏的代码
2016/05/30 Javascript
Vue 组件间的样式冲突污染
2017/08/31 Javascript
引入JavaScript时alert弹出框显示中文乱码问题
2017/09/16 Javascript
关于vue单文件中引用路径的处理方法
2018/01/08 Javascript
解决layui动态添加的元素click等事件触发不了的问题
2019/09/20 Javascript
Vue + ts实现轮播插件的示例
2020/11/10 Javascript
python实现封装得到virustotal扫描结果
2014/10/05 Python
使用python实现正则匹配检索远端FTP目录下的文件
2015/03/25 Python
Python使用time模块实现指定时间触发器示例
2017/05/18 Python
Python方法的延迟加载的示例代码
2017/12/18 Python
python读取文本中的坐标方法
2018/10/14 Python
python可视化实现代码
2019/01/15 Python
python 实现控制鼠标键盘
2020/11/27 Python
css3 transform导致子元素固定定位变成绝对定位的方法
2020/03/06 HTML / CSS
使用HTML5原生对话框元素并轻松创建模态框组件
2019/03/06 HTML / CSS
HTML5响应式(自适应)网页设计的实现
2017/11/17 HTML / CSS
东南亚地区最大的购物网站Lazada新加坡站点:Lazada.sg
2016/07/17 全球购物
倩碧美国官网:Clinique美国
2016/07/20 全球购物
机械专业应届生求职信
2013/12/12 职场文书
2014年居委会工作总结
2014/12/09 职场文书
经验交流材料格式
2014/12/30 职场文书
我们的节日中秋节活动总结
2015/03/23 职场文书
担保书怎么写 ?
2019/04/22 职场文书
导游词之上饶龟峰
2019/10/25 职场文书
《哪吒之魔童降世》观后感:世上哪有随随便便的成功
2019/11/08 职场文书
Python实战之OpenCV实现猫脸检测
2021/06/26 Python