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 select,radio和checkbox默认选择的实现方法
May 15 PHP
PHP 反向排序和随机排序代码
Jun 30 PHP
php图片处理:加水印、缩略图的实现(自定义函数:watermark、thumbnail)
Dec 02 PHP
php中字符集转换iconv函数使用总结
Oct 11 PHP
PHP+ajax分页实例简析
Dec 07 PHP
Joomla语言翻译类Jtext用法分析
May 05 PHP
php+ajax简单实现全选删除的方法
Dec 06 PHP
PHP与SQL语句常用大全
Dec 10 PHP
一个实用的php验证码类
Jul 06 PHP
laravel实现查询最后执行的一条sql语句的方法
Oct 09 PHP
在Laravel 的 Blade 模版中实现定义变量
Oct 14 PHP
php将字符串转换为数组实例讲解
May 05 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把网页保存为word文件的三种方法
2014/04/01 PHP
PHP简单判断手机设备的方法
2016/08/23 PHP
谈谈从phpinfo中能获取哪些值得注意的信息
2017/03/28 PHP
创建无限极分类树型结构的简单方法
2017/06/20 PHP
php使用ftp实现文件上传与下载功能
2017/07/21 PHP
浅谈PHP array_search 和 in_array 函数效率问题
2019/10/15 PHP
通过Jscript中@cc_on 语句识别IE浏览器及版本的代码
2011/05/07 Javascript
javascript实现焦点滚动图效果 具体方法
2013/06/24 Javascript
js简单实现竖向tab选项卡的方法
2015/05/04 Javascript
jQuery Form 表单提交插件之formSerialize,fieldSerialize,fieldValue,resetForm,clearForm,clearFields的应用
2016/01/23 Javascript
JavaScript编程学习技巧汇总
2016/02/21 Javascript
JavaScript操作HTML DOM节点的基础教程
2016/03/11 Javascript
Bootstrap 轮播(Carousel)插件
2016/12/26 Javascript
Js实现中国公民身份证号码有效性验证实例代码
2017/05/03 Javascript
Vue运用transition实现过渡动画
2019/05/06 Javascript
axios实现文件上传并获取进度
2020/03/25 Javascript
vue实现导航菜单和编辑文本的示例代码
2020/07/04 Javascript
解决python写的windows服务不能启动的问题
2014/04/15 Python
python画图--输出指定像素点的颜色值方法
2019/07/03 Python
pycharm 2019 最新激活方式(pycharm破解、激活)
2020/09/22 Python
HTML4和HTML5之间除了相似以外的10个主要不同
2012/12/13 HTML / CSS
仿酷狗html5手机音乐播放器主要部分代码
2013/05/15 HTML / CSS
养殖人员的创业计划书范文
2013/12/26 职场文书
残疾人创业典型事迹
2014/02/01 职场文书
欢送退休感言
2014/02/08 职场文书
青奥会口号
2014/06/12 职场文书
中文专业自荐书
2014/06/29 职场文书
学校安全管理责任书
2014/07/23 职场文书
高速铁道技术专业求职信
2014/08/09 职场文书
2014红色之旅心得体会
2014/10/07 职场文书
三八节活动简报
2015/07/20 职场文书
2016年社会主义核心价值观心得体会
2016/01/21 职场文书
Nginx快速入门教程
2021/03/31 Servers
mysql数据库入门第一步之创建表
2021/05/14 MySQL
使用Springboot实现健身房管理系统
2021/07/01 Java/Android
多线程Spring通过@Scheduled实现定时任务
2022/05/25 Java/Android