最近工作中需要做一个通过微信文章url抓取微信文章的功能,网页解析使用的是QueryList。将代码实现的逻辑记录一下。希望能帮助到大家。
具体实现代码如下:
/** * @param $url 微信文章url * @return bool */ function spideWx($url){ if(empty($url)) return false; $_host = parse_url($url, PHP_URL_HOST); //获取主机名 if($_host !== 'mp.weixin.qq.com') return false; //不是来自微信文章 $html = file_get_contents($url); if(empty($html)) return false; $html = str_replace("<!--headTrap<body></body><head></head><html></html>-->", "", $html); //去除微信干扰元素!!!否则乱码 preg_match("/var msg_cdn_url = \".*\"/", $html, $matches); //获取微信封面图 $coverImgUrl = $matches[0]; $coverImgUrl = substr(explode('var msg_cdn_url = "', $coverImgUrl)[1], 0, -1); $rules = array( //设置QueryList的解析规则 'content' => array('#js_content', 'html'), //文章内容 'title' => array('#activity-name', 'text'), //文章标题 'author'=> array('.rich_media_meta_text:eq(1)','text'), //作者 'account_name' => array('#js_profile_qrcode .profile_nickname','text'), //公众号 'account_en_name' => array('#js_profile_qrcode .profile_meta:eq(0) .profile_meta_value','text'), //公众号英文标识 ); //替换图片链接,解决微信图片防盗链 $_link = 'http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl='; $data = QueryList::Query($html,$rules)->getData(); //执行解析 $_res = $data[0]; //获取解析结果 if(empty($_res)) return false; //解析失败 $_res['thumb'] = $_link.$coverImgUrl; //封面图 $_res['title_crc'] = sprintf("%u", crc32($_res['title'])); //标题crc $_res['url_crc'] = sprintf("%u", crc32($url)); //url-crc $pattern = '/<img([^>]*)src\s*=\s*([\' "])([\s\S]*?)([^>]*)/'; //正则替换内容中的图片链接 $_res['content'] = preg_replace($pattern, '<img$1src=$2'.$_link.'$3$4', $_res['content']); return $_res; }
相关推荐:
QueryList最简单的PHP采集工具,以采集百度乐彩彩票开奖号为例
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!