微客导航 » 文章资讯 » PHPCrawl爬虫库实现抓取酷狗歌单的方法示例

PHPCrawl爬虫库实现抓取酷狗歌单的方法示例

2023-09-19 01:26:05 171

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）

").
if(PHP_SAPI=="cli")$lb="\n";
else$lb="
";
$url=$DocInfo->url;
$pat="/http:\/\/www\.kugou\.com\/yy\/special\/single\/\d+\.html/";
if(preg_match($pat,$url)>0){
$this->parseSonglist($DocInfo);
}
flush();
}
publicfunctionparseSonglist($DocInfo){
$content=$DocInfo->content;
$songlistArr=array();
$songlistArr['raw_url']=$DocInfo->url;
//解析歌曲介绍
$matches=array();
$pat="/名称：<\/span>([^(0){
$songlistArr['title']=$matches[1];
}else{
$songlistArr['title']='';
}
//解析歌曲
$pat="/$song_title));
}
echo"";
print_r($songlistArr);
echo"";
}
}
$crawler=newMyCrawler();
//URLtocrawl
$start_url="http://www.kugou.com/yy/special/index/1-0-2.html";
$crawler->setURL($start_url);
//Onlyreceivecontentoffileswithcontent-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");
//Storeandsendcookie-datalikeabrowserdoes
$crawler->enableCookieHandling(true);
//Setthetraffic-limitto1MB(1000*1024)(inbytes,
//fortestingwedontwantto"suck"thewholesite)
//爬取大小无限制
$crawler->setTrafficLimit(0);
//Thatsenough,nowherewego
$crawler->go();
//Attheend,aftertheprocessisfinished,weprintashort
//report(seemethodgetProcessReport()formoreinformation)
$report=$crawler->getProcessReport();
if(PHP_SAPI=="cli")$lb="\n";
else$lb="
";
echo"Summary:".$lb;
echo"Linksfollowed:".$report->links_followed.$lb;
echo"Documentsreceived:".$report->files_received.$lb;
echo"Bytesreceived:".$report->bytes_received."bytes".$lb;
echo"Processruntime:".$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。

返回顶部
3162201930
czq8825@qq.com

PHPCrawl爬虫库实现抓取酷狗歌单的方法示例

热门推荐

随机推荐