使用phpQuery采集網(wǎng)頁的方法

更新時間：2013年11月13日 10:36:44 作者：

使用phpQuery輕松采集網(wǎng)頁內(nèi)容,像使用jQuery一樣處理頁面內(nèi)容

phpQuery是一個基于PHP的服務端開源項目，它可以讓PHP開發(fā)人員輕松處理DOM文檔內(nèi)容，比如獲取某新聞網(wǎng)站的頭條信息。更有意思的是，它采用了jQuery的思想，你可以像使用jQuery一樣處理頁面內(nèi)容，獲取你想要的頁面信息。
采集頭條
先看一實例，現(xiàn)在我要采集新浪網(wǎng)國內(nèi)新聞的頭條，代碼如下：

復制代碼代碼如下:

include 'phpQuery/phpQuery.php'; 
phpQuery::newDocumentFile('http://www.dbjr.com.cn'); 
echo pq(".blkTop h1:eq(0)")->html();

簡單的三行代碼，就可以獲取頭條內(nèi)容。首先在程序中包含phpQuery.php核心程序，然后調(diào)用讀取目標網(wǎng)頁，最后輸出對應標簽下的內(nèi)容。
pq()是一個功能強大的方法，跟jQuery的$()如出一轍，jQuery的選擇器基本上都能使用在phpQuery上，只要把“.”變成“->”。如上例中，pq(“.blkTop h1:eq(0)”)抓取了頁面class屬性為blkTop的DIV元素，并找到該DIV內(nèi)部的第一個h1標簽，然后用html()方法獲取h1標簽里的內(nèi)容（帶html標簽），也就是我們要獲取的頭條信息，如果使用text()方法，則只獲取頭條的文本內(nèi)容。當然要使用好phpQuery，關(guān)鍵是要找對文檔中對應內(nèi)容的節(jié)點。
采集文章列表
下面再來看一個例子，獲取helloweba.com網(wǎng)站的blog列表，請看代碼：

復制代碼代碼如下:

include 'phpQuery/phpQuery.php'; 
phpQuery::newDocumentFile('http://www.dbjr.com.cn'); 
$artlist = pq(".blog_li"); 
foreach($artlist as $li){ 
   echo pq($li)->find('h2')->html().""; 
}

通過循環(huán)列表中的DIV，找出文章標題并輸出，就是這么簡單。
解析XML文檔
假設(shè)現(xiàn)在有一個這樣的test.xml文檔：

復制代碼代碼如下:

<?xml version="1.0" encoding="utf-8"?> 
<root> 
  <contact> 
     <name>張三</name> 
     <age>22</age> 
  </contact> 
  <contact> 
     <name>王五</name> 
     <age>18</age> 
  </contact> 
</root>

現(xiàn)在我要獲取名字為張三的聯(lián)系人的年齡，代碼如下：

復制代碼代碼如下:

include 'phpQuery/phpQuery.php'; 
phpQuery::newDocumentFile('test.xml'); 
echo pq('contact > age:eq(0)');
結(jié)果輸出：22

像jQuery一樣，精準查找文檔節(jié)點，輸出節(jié)點下的內(nèi)容，解析一個XML文檔就是這么簡單?，F(xiàn)在你不必為采集網(wǎng)站內(nèi)容而使用那些頭疼的正則算法、內(nèi)容替換等繁瑣的代碼了，有了phpQuery，一切就變得輕松多了。
phpquery項目官網(wǎng)地址：http://code.google.com/p/phpquery/

您可能感興趣的文章: