php采集

使用phpQuery轻松采集网页内容 php 爬虫

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。更有意思的是，它采用了jQuery的思想，你可以像使用jQuery一样处理页面内容，获取你想要的页面信息。

采集头条

先看一实例，现在我要采集新浪网国内新闻的头条，代码如下：

1. include ‘phpQuery/phpQuery.php’;   
2. phpQuery::newDocumentFile(‘http://news.sina.com.cn/china’);   
3. echo pq(“.blkTop h1:eq(0)”)->html();  

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。

采集文章列表

下面再来看一个例子，获取helloweba.com网站的blog列表，请看代码：

1. include ‘phpQuery/phpQuery.php’;   
2. phpQuery::newDocumentFile(‘http://www.helloweba.com/blog.html’);   
3. $artlist = pq(“.blog_li”);   
4. foreach($artlist as $li){   
5.    echo pq($li)->find(‘h2’)->html().“”;   
6. }  

通过循环列表中的DIV，找出文章标题并输出，就是这么简单。

解析XML文档

假设现在有一个这样的test.xml文档：

现在我要获取名字为张三的联系人的年龄，代码如下：

1. include ‘phpQuery/phpQuery.php’;   
2. phpQuery::newDocumentFile(‘test.xml’);   
3. echo pq(‘contact > age:eq(0)’);  

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。现在你不必为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，有了phpQuery，一切就变得轻松多了。

http://blog.csdn.net/myweishanli/article/details/23179313

另一个案例http://www.helloweba.com/view-blog-133.html

官方API：https://code.google.com/p/phpquery/wiki/Manual

本站案例https://sdeno.com/phpQuery/1.php

最好下载看看：phpquery