PHPCrawl爬虫库实现抓取酷狗歌单的方法示例

 更新时间:2017年12月21日 10:30:18   作者:飞蓬058  
这篇文章主要介绍了PHPCrawl爬虫库实现抓取酷狗歌单的方法,涉及PHPCrawl爬虫库的使用及正则匹配相关操作技巧,需要的朋友可以参考下

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; 
?>

PS:这里再为大家提供2款非常方便的正则表达式工具供大家参考使用:

JavaScript正则表达式在线测试工具:
http://tools.jb51.net/regex/javascript

正则表达式在线生成工具:
http://tools.jb51.net/regex/create_reg

更多关于PHP相关内容感兴趣的读者可查看本站专题:《php正则表达式用法总结》、《PHP数组(Array)操作技巧大全》、《PHP基本语法入门教程》、《PHP运算与运算符用法总结》、《php面向对象程序设计入门教程》、《PHP网络编程技巧总结》、《php字符串(string)用法总结》、《php+mysql数据库操作入门教程》及《php常见数据库操作技巧汇总

希望本文所述对大家PHP程序设计有所帮助。

相关文章

  • PHP页面实现定时跳转的方法

    PHP页面实现定时跳转的方法

    这篇文章主要介绍了PHP页面实现定时跳转的方法,实例演示使用header函数来实现跳转的技巧,需要的朋友可以参考下
    2014-10-10
  • php查看session内容的函数

    php查看session内容的函数

    之所以是能写出来这个函数,主要是对该网站的session结构清楚
    2008-08-08
  • 基于PHP+Redis实现分布式锁

    基于PHP+Redis实现分布式锁

    在高并发、分布式系统环境下,为了保证资源在同一时间只能被一个进程访问(例如数据库操作、文件读写等),分布式锁是一种常用的解决策略,本文给大家介绍了基于PHP+Redis实现分布式锁,需要的朋友可以参考下
    2024-03-03
  • php常用的url处理函数总结

    php常用的url处理函数总结

    这篇文章主要介绍了php常用的url处理函数,实例总结了parse_url、rawurldecode、urlencode、urldecode等一些较为常用的URL处理函数,非常具有实用价值,需要的朋友可以参考下
    2014-11-11
  • PHP遍历某个目录下的所有文件和子文件夹的实现代码

    PHP遍历某个目录下的所有文件和子文件夹的实现代码

    本篇文章是对PHP遍历某个目录下的所有文件和子文件夹的实现代码进行了详细的分析介绍,需要的朋友参考下
    2013-06-06
  • PHP cookie与session会话基本用法实例分析

    PHP cookie与session会话基本用法实例分析

    这篇文章主要介绍了PHP cookie与session会话基本用法,结合实例形式分析了PHP cookie与session会话基本存储、设置、删除等相关使用方式,需要的朋友可以参考下
    2019-11-11
  • php调用淘宝开放API实现根据卖家昵称获取卖家店铺ID的方法

    php调用淘宝开放API实现根据卖家昵称获取卖家店铺ID的方法

    这篇文章主要介绍了php调用淘宝开放API实现根据卖家昵称获取卖家店铺ID的方法,实例分析了php调用淘宝API查询店铺信息的相关技巧,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-07-07
  • php将xml转化对象的实例详解

    php将xml转化对象的实例详解

    在本篇文章里小编给大家整理的是一篇关于php将xml转化对象的实例详解内容,有需要的朋友们可以跟着学习下。
    2021-10-10
  • PHP ADODB实现事务处理功能示例

    PHP ADODB实现事务处理功能示例

    这篇文章主要介绍了PHP ADODB实现事务处理功能,结合实例形式分析了php使用ADODB进行事务提交与回滚处理等相关操作技巧,需要的朋友可以参考下
    2018-05-05
  • PHP请求微信接口获取用户电话号功能示例

    PHP请求微信接口获取用户电话号功能示例

    这篇文章主要介绍了PHP请求微信接口获取用户电话号功能,简单讲述微信请求接口获取用户信息的相关功能,结合具体实例形式分析了php调用微信请求接口获取用户电话号码的相关实现技巧,需要的朋友可以参考下
    2023-07-07

最新评论