使用PHP抓取微博數(shù)據(jù)實(shí)現(xiàn)demo及原理解析

更新時(shí)間：2023年05月30日 09:59:20 作者：Architecture

這篇文章主要為大家介紹了使用PHP抓取微博數(shù)據(jù)實(shí)現(xiàn)demo及原理解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

實(shí)現(xiàn)目標(biāo)

1. 用戶發(fā)布的微博內(nèi)容;

2. 用戶發(fā)布的時(shí)間;

3. 用戶的名稱; (這里我并沒(méi)有獲取)

使用的工具

voku/simple_html_dom x-path

讀取工具 (如果不知道怎么獲取元素的xpath, 請(qǐng)百度這里不做贅述~)

安裝:

composer require voku/simple_html_dom

實(shí)現(xiàn)的原理

當(dāng)你去直接用file_get_contents去抓取微博的網(wǎng)頁(yè)內(nèi)容時(shí), 你會(huì)被它的訪客系統(tǒng)直接攔截, 所以直接用這個(gè)方法是不行的;

所以我采用了curl來(lái)獲取. 當(dāng)然,直接獲取也是不行的, 所以我們要設(shè)置一下請(qǐng)求頭, 微博對(duì)爬蟲類的請(qǐng)求頭是不會(huì)拒絕的,

所以你可以直接抓取到網(wǎng)頁(yè);

請(qǐng)求頭設(shè)置如下:

       'User-Agent: spider'

代碼如下:

// 通過(guò)這段代碼你可以直接獲取到微博的(HTML)網(wǎng)頁(yè)
    public function curlGetWbData()
    {
        // 設(shè)置腳本超時(shí)時(shí)間
        set_time_limit(60);
        // 拉取微博地址
        $getWbUrl = "https://weibo.com/p/1005056447467552/home?profile_ftype=1&is_all=1#_0";
        // 設(shè)置curl 請(qǐng)求頭
        $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($ch, CURLOPT_SSL_VERIFYPEER, false);    // 禁止 cURL 驗(yàn)證對(duì)等證書
        curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
        curl_setopt($ch, CURLOPT_HTTPHEADER, $header);            // 設(shè)置請(qǐng)求頭
        $wbContent = curl_exec($ch);
        curl_close($ch);
        // 到這里我們就拿到了微博的網(wǎng)頁(yè)
        return $wbContent;
    }

拿到微博的網(wǎng)頁(yè)內(nèi)容之后, 我們就要對(duì)立面的數(shù)據(jù)進(jìn)行提取, 因?yàn)椴⒉皇撬械臄?shù)據(jù)我們都需要;

這里我們提取微博內(nèi)容微博發(fā)布的時(shí)間; 現(xiàn)在需要使用x-path來(lái)進(jìn)行提取;

x-path示例:

div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_like ']

代碼如下:

// 這個(gè)方法是
public static function actionAddWbData(string $wbContent, string $userID)
{
    $htmlDeal = new HtmlDomParser();    // 處理DOM的對(duì)象
    $htmlDeal-&gt;load($wbContent);        // 裝載文本
    // 微博VIP和普通用戶的class名不一致
    $wbHtml['normal'] = $htmlDeal-&gt;find("div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_like ']");
    $wbHtml['vip']    = $htmlDeal-&gt;find("div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_vipcover WB_feed_like ']");
    $wbNum = [];
    foreach ($wbHtml as $item =&gt; $key) {
        if (count($key) &lt;= 0) {
            continue;
        }
        $wbNum[$userID][$item] = self::dealWbContent($key, $userID);
    }
    Yii::info("抓取微博日志記錄" . '----' . json_encode($wbNum));
    return $wbNum;
}

以上就是使用PHP抓取微博數(shù)據(jù)實(shí)現(xiàn)demo及原理解析的詳細(xì)內(nèi)容，更多關(guān)于PHP抓取微博數(shù)據(jù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: