php腳本扮演爬蟲的角色,可能大家第一時間想到可能會是會正則,個人對正則的規則老是記不住,表示比較難下手,今天工作中有個需求需要爬取某個網站上的一些門店信息
無意間在網上看到一個比較好的類庫叫:simple_html_dom
github下載地址:https://github.com/samacs/simple_html_dom
最重要的一步:你得先了解別人網站的結構,知道從哪個tab開始是你想要的數據
下面演示下過程吧
實現過程我分了三步
1、將門店信息的經緯度,名稱等一些重要信息先插入本地表
set_time_limit(0);
$host = '127.0.0.1';
$user = 'root';
$user_pwd = '';
$database = 'dataname';
$conn = mysql_connect($host,$user,$user_pwd) or die('sss');
mysql_select_db($database,$conn) or die('dddd');
mysql_query('set names utf8');
include('./simple_html_dom-master/simple_html_dom.php');
$url = '需要爬取的網站URL';
$html = file_get_html($url);
$n = 1;
foreach($html->find('li[data-counts=0]') as $e){
$storeid = $e->storeid;
$star = $e->level.'.0';
$work_time = $e->time;
$mapx = $e->mapx;
$mapy = $e->mapy;
$nickname = $e->mapname;
$mapadd = $e->mapadd;
$maptel = $e->maptel;
$time = date('Y-m-d H:i:s');
$query = "INSERT INTO `store` (`storeid`,`star`,`work_time`,`longitude`,`latitude`,`create_time`,`nickname`,`address`,`tel`)
VALUES ($storeid,'".$star."','".$work_time."','".$mapx."','".$mapy."','".$time."','".$nickname."','".$mapadd."','".$maptel."')";
$res = mysql_query($query);
//echo $query;exit();
if($res){
echo '成功導入第'.$n.'個門店<br>';
$n++;
}else{
die('失敗<br>');
}
}
2、跳入站點的另一個頁面獲取門店LOGO圖片
$query = "SELECT storeid FROM store order by id desc";
$row = mysql_query($query);
while($rows = mysql_fetch_array($row)){
$url = 'http://別人站點域名/'.$rows['storeid'].'.jhtml';
$html = file_get_html($url);
foreach($html->find('div.onlyOnePic') as $e){
//獲取img的src屬性
$img = $e->firstChild()->src;
//將遠程圖片保存到本地
$content = file_get_contents($img);
file_put_contents('./store/'.$rows['storeid'].'.jpeg', $content);
}
}
3、更新表中對應門店的LOGO字段
$query = "SELECT storeid FROM store order by id desc";
$row = mysql_query($query);
$n = 1;
while($rows = mysql_fetch_array($row)){
$img = "https://我自己站點域名/".$rows['storeid'].".jpeg";
$sql = "UPDATE store set img_url='".$img."' where storeid=".$rows['storeid'];
$res = mysql_query($sql);
if($res){
echo '成功更新第'.$n.'個門店<br>';
$n++;
}else{
echo '失敗';
}
}
OK,功能實現了,不過還沒有更深入的瞭解這個類庫的其他功能,這裏也只是做個記錄,方便以後需要的時候用