本节内容:
phpQuery采集网页内容
什么是phpQuery?
phpQuery是一个基于PHP的服务端开源项目,它可以让PHP开发人员轻松处理DOM文档内容,比如获取某新闻网站的头条信息。
它采用了jquery的思想,可以像使用jQuery一样处理页面内容,获取页面信息。
例1,采集头条
采集脚本学堂的首页内容。
代码:
简单的三行代码,就可以获取头条内容。
首先,在程序中包含phpQuery.php核心程序,然后,调用读取目标网页,最后输出对应标签下的内容。
pq()是一个功能强大的方法,跟jQuery的$()如出一辙,jQuery的选择器基本上都能使用在phpQuery上,只要把“.”变成“->”。如上例中,pq(“.blkTop h1:eq(0)”)抓取了页面class属性为blkTop的DIV元素,并找到该DIV内部的第一个h1标签,然后用html()方法获取h1标签里的内容(带html标签),也就是我们要获取的头条信息,如果使用text()方法,则只获取头条的文本内容。当然要使用好phpQuery,关键是要找对文档中对应内容的节点。
例2,采集文章列表
获取helloweba.com网站的blog列表。
代码:
通过循环列表中的DIV,找出文章标题并输出。
例3,解析XML文档
test.xml文档:
获取名字为张三的联系人的年龄。
代码:
结果输出:22
像jQuery一样,精准查找文档节点,输出节点下的内容,解析一个XML文档就是这么简单。
现在,无需采集网站内容而使用那些头疼的正则算法、内容替换等繁琐的代码了,phpQuery可以轻松搞定。
附,phpquery项目官网地址:http://code.google.com/p/phpquery/