PHP爬取糗事百科主页糗事-PHP Tutorial-php.cn

PHP爬取糗事百科主页糗事

WBOY

Release： 2016-06-13 12:20:04

Original

1393 people have browsed it

PHP爬取糗事百科首页糗事

突然想获取一些网上的数据来玩玩，因为有SAE的MySql数据库，让它在那呆着没有什么卵用！于是就开始用PHP编写一个爬取糗事百科首页糗事的小程序，数据都保存在MySql中，岂不是很好玩！

说干就干！首先确定思路

获取HTML源码--->解析HTML--->保存到数据库

没有什么难的

1、创建PHP文件“getDataToDB.php”，

2、获取指定URL的HTML源码

这里我用的是curl函数，详细内容参见PHP手册

代码为

<span style="font-family:Times New Roman;font-size:14px;">// 获取对应链接的HTMLCODEfunction GetHtmlCode($url) {	$ch = curl_init (); // 初始化一个cur对象	curl_setopt ( $ch, CURLOPT_URL, $url ); // 设置需要抓取的网页	curl_setopt ( $ch, CURLOPT_RETURNTRANSFER, 1 ); // 设置crul参数，要求结果保存到字符串中还是输出到屏幕上	curl_setopt ( $ch, CURLOPT_CONNECTTIMEOUT, 1000 ); // 设置链接延迟	$HtmlCode = curl_exec ( $ch ); // 运行curl，请求网页	return $HtmlCode;}</span>

Copy after login

3、引入第三方文件’simple_html_dom.php‘来解析HTML

这里我没有能力使用正则表达式，就在网上海搜，终于找到这个，就像Java使用Jsoup（使用Jsoup解析滁州学院官网获取新闻列表）一样，具体参见BLOG

代码如下

<span style="font-family:Times New Roman;font-size:14px;">function getFmlDataToDB() {	$link = mysql_connect ( SAE_MYSQL_HOST_M . ':' . SAE_MYSQL_PORT, SAE_MYSQL_USER, SAE_MYSQL_PASS );	// 获取源码	$html = str_get_html ( GetHtmlCode ( "http://www.qiushibaike.com/" ) );		if ($link) {		mysql_select_db ( SAE_MYSQL_DB, $link );		mysql_query ( 'set names utf8' );		// class="article block untagged mb15"		foreach ( $html->find ( 'div[class=article block untagged mb15]' ) as $per ) {						$z = null;			$t = null;			$w = null;			$d = null;			$p = null;			$ds = null;			$ps = null;						// //作者			$author = $per->find ( 'div[class=author]' );			if ($author != null) {				$a = $author [0]->find ( 'a' );				$z = $a [1]->innertext;			} else {				$z = 'no author';			}						// 头像链接						if ($author != null) {				$icon = $author [0]->find ( 'a' );				$t = $icon [0]->src->innertext;			} else {				$t = '...............';			}						// 文章内容			$content = $per->find ( 'div[class=content]' );			$w = $content [0]->innertext;						// 点赞数			$vote1 = $per->find ( 'div[class=stats]' );			$vote2 = $vote1 [0]->find ( 'span[class=stats-vote]' );			$vote3 = $vote2 [0]->find ( 'i[class=number]' );						$d = $vote3 [0]->innertext;			// 评论数			$comments1 = $vote1 [0]->find ( 'span[class=stats-comments]' );			$comments2 = $comments1 [0]->find ( 'a[class=qiushi_comments]' );			$comments3 = $comments2 [0]->find ( 'i[class=number]' );			$p = $comments3 [0]->innertext;			// 顶 数			$up_down = $per->find ( 'div[class=stats-buttons bar clearfix]' );						$up_down1 = $up_down [0]->find ( 'ul' );			$li = $up_down1 [0]->find ( 'li' );			$up = $li [0]->find ( 'span[class=number hidden]' );			$ds = $up [0]->innertext;			// 拍 数			$down = $li [1]->find ( 'span[class=number hidden]' );			$ps = $down [0]->innertext;		}	} else {		echo '数据库链接KO';	}}</span>

Copy after login

这个代码写的有点纠结，我试了一下不能直接获取子节点的数据，只能从外层一层一层的剥开解析，如果有新的写法，我会更新，也请各位看官看看。

4、创建数据库，将数据插入到数据库中

这里我使用的SAE中的MySQL，具体的连接方发参见使用PHP连接SAE中的MySql数据库

需要注意的就是编码格式，区要在执行语句前加上这样一句话

<span style="font-family:Microsoft YaHei;font-size:14px;">mysql_query ( 'set names utf8' );</span>

Copy after login

核心代码如下:

<span style="font-family:Microsoft YaHei;font-size:14px;">			$sql = "INSERT INTO `app_bmhjqs`.`db_fml` (`id`, `author`, `icon_url`, `content`, `vote`, `comments`, `up`, `down`) VALUES (NULL, '$z', '$t', '$w', '$d', '$p', '$ds', '$ps');";			// 解决乱码			mysql_query ( 'set names utf8' );			$result = mysql_query ( $sql );</span>

Copy after login

这样一来，获取--->解析--->插入就完成了，效果就是运行一次PHP文件，数据库就添加了糗事百科首页上的糗事！我想可不可以写个定时器，每隔一定时间就运行一次代码，这一点在java我可以实现，在php我不会，毕竟是个没长毛的小鸟！百度吧。。。搜到这样的写法

<span style="font-family:Times New Roman;font-size:14px;">// 定时器// ignore_user_abort (); // run script. in background// set_time_limit ( 0 ); // run script. forever// $interval = 30; // do every 15 minutes..// do {// 	echo date ( 'Y-m-d H:i:s', time () );// 	echo '写入数据库';// 	//getFmlDataToDB ();	// } while ( true );</span>

Copy after login

在文件里加上这样的代码，正好在学校断网前，发布到了SAE上，我没有测试！只能等到第二天来查看结果了！

今天早上，我迫不及待的打开电脑，打开SAE数据库，情况如下：