使用PHP抓取微博数据实现demo及原理解析

 更新时间:2023年05月30日 09:59:20   作者:Architecture  
这篇文章主要为大家介绍了使用PHP抓取微博数据实现demo及原理解析,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

实现目标

1. 用户发布的微博内容;

2. 用户发布的时间;

3. 用户的名称; (这里我并没有获取)

使用的工具

voku/simple_html_dom  x-path

读取工具 (如果不知道怎么获取元素的xpath, 请百度这里不做赘述~)

安装:

composer require voku/simple_html_dom

实现的原理

当你去直接用file_get_contents去抓取微博的网页内容时, 你会被它的访客系统直接拦截, 所以直接用这个方法是不行的;

所以我采用了curl来获取. 当然,直接获取也是不行的, 所以我们要设置一下请求头, 微博对爬虫类的请求头是不会拒绝的, 

所以你可以直接抓取到网页;

请求头设置如下:  

       'User-Agent: spider'

代码如下:

// 通过这段代码你可以直接获取到微博的(HTML)网页
    public function curlGetWbData()
    {
        // 设置脚本超时时间
        set_time_limit(60);
        // 拉取微博地址
        $getWbUrl = "https://weibo.com/p/1005056447467552/home?profile_ftype=1&is_all=1#_0";
        // 设置curl 请求头
        $header = [
            'User-Agent: spider'
        ];
        $ch = curl_init();                                              // 初始化curl
        curl_setopt($ch, CURLOPT_URL, $getWbUrl);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);    // 禁止 cURL 验证对等证书
        curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
        curl_setopt($ch, CURLOPT_HTTPHEADER, $header);            // 设置请求头
        $wbContent = curl_exec($ch);
        curl_close($ch);
        // 到这里我们就拿到了微博的网页
        return $wbContent;
    }

拿到微博的网页内容之后, 我们就要对立面的数据进行提取, 因为并不是所有的数据我们都需要;

这里我们提取 微博内容 微博发布的时间; 现在需要使用x-path来进行提取;

x-path示例:

div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_like ']

代码如下:

// 这个方法是
public static function actionAddWbData(string $wbContent, string $userID)
{
    $htmlDeal = new HtmlDomParser();    // 处理DOM的对象
    $htmlDeal->load($wbContent);        // 装载文本
    // 微博VIP和普通用户的class名不一致
    $wbHtml['normal'] = $htmlDeal->find("div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_like ']");
    $wbHtml['vip']    = $htmlDeal->find("div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_vipcover WB_feed_like ']");
    $wbNum = [];
    foreach ($wbHtml as $item => $key) {
        if (count($key) <= 0) {
            continue;
        }
        $wbNum[$userID][$item] = self::dealWbContent($key, $userID);
    }
    Yii::info("抓取微博日志记录" . '----' . json_encode($wbNum));
    return $wbNum;
}

以上就是使用PHP抓取微博数据实现demo及原理解析的详细内容,更多关于PHP抓取微博数据的资料请关注脚本之家其它相关文章!

您可能感兴趣的文章:

相关文章

  • CI框架无限级分类+递归的实现代码

    CI框架无限级分类+递归的实现代码

    CodeIgniter是一个轻量级但功能强大的PHP框架,基于MVC设计模式,提供了一套丰富的类库,简单易学,高效实用。下面给大家介绍CI框架无限级分类+递归的实现代码,感兴趣的朋友参考下吧
    2016-11-11
  • PHP迭代器实现斐波纳契数列的函数

    PHP迭代器实现斐波纳契数列的函数

    斐波纳契数列通常做法是用递归实现,当然还有其它的方法。这里现学现卖,用PHP的迭代器来实现一个斐波纳契数列,几乎没有什么难度,只是把类里的next()方法重写了一次。注释已经写到代码中,也是相当好理解的
    2013-11-11
  • PHP微信开发之微信消息自动回复下所遇到的坑

    PHP微信开发之微信消息自动回复下所遇到的坑

    这篇文章是小编给大家介绍的微信消息自动回复下所遇到的坑的相关内容,在日常项目开发中经常遇到,非常具有参考借鉴价值,感兴趣的小伙伴一起学习吧
    2016-05-05
  • php设计模式之享元模式分析【星际争霸游戏案例】

    php设计模式之享元模式分析【星际争霸游戏案例】

    这篇文章主要介绍了php设计模式之享元模式,结合星际争霸游戏案例形式分析了PHP享元模式的相关原理与使用技巧,需要的朋友可以参考下
    2020-03-03
  • destoon安全设置中需要设置可写权限的目录及文件

    destoon安全设置中需要设置可写权限的目录及文件

    这篇文章主要介绍了destoon安全设置中需要设置可写权限的目录及文件,对于安全设置非常重要!需要的朋友可以参考下
    2014-06-06
  • thinkPHP5.0框架命名空间详解

    thinkPHP5.0框架命名空间详解

    这篇文章主要介绍了thinkPHP5.0框架命名空间,结合具体实例形式详细分析了thinkPHP5.0中命名空间的概念、功能及相关使用方法,需要的朋友可以参考下
    2017-03-03
  • Symfony2开发之控制器用法实例分析

    Symfony2开发之控制器用法实例分析

    这篇文章主要介绍了Symfony2开发之控制器用法,结合实例形式分析了Symfony2控制器的简单使用技巧,需要的朋友可以参考下
    2016-02-02
  • ThinkPHP应用模式扩展详解

    ThinkPHP应用模式扩展详解

    这篇文章主要介绍了ThinkPHP应用模式扩展,需要的朋友可以参考下
    2014-07-07
  • CI框架中zip类应用示例

    CI框架中zip类应用示例

    CI框架自带的zip类简单实用,本文就来简单说一下ci框架的zip类的使用,需要的朋友可以参考下
    2014-06-06
  • ThinkPHP中数据操作案例分析

    ThinkPHP中数据操作案例分析

    这篇文章主要介绍了ThinkPHP中数据操作方法,实例分析并总结了ThinkPHP数据库操作的心得,具有一定参考借鉴价值,需要的朋友可以参考下
    2015-09-09

最新评论