PHP 크롤러 연습: 웹 테이블 데이터를 크롤링하는 방법

인터넷과 빅데이터 시대의 도래로 인해 점점 더 많은 데이터가 수집되고 활용될 수 있게 되었습니다. 웹페이지에서 데이터를 얻는 다양한 방법 중에서 크롤러 기술은 가장 강력하고 효율적인 기술이라고 할 수 있습니다.

실제 애플리케이션 시나리오에서는 웹 페이지에서 특정 데이터, 특히 웹 페이지의 테이블 데이터를 가져와야 하는 경우가 많습니다. 따라서 이 기사에서는 PHP 크롤러 기술을 사용하여 웹 페이지에서 표 형식의 데이터를 얻고 구문 분석하는 방법을 소개합니다.

1. PHP 크롤러 라이브러리 설치 및 구성

크롤러 코드 작성을 시작하기 전에 PHP 크롤러 라이브러리를 설치하고 구성해야 합니다. 여기서는 HTML 문서의 태그와 속성을 쉽게 구문 분석할 수 있고 일반적으로 사용되는 DOM 작업 방법을 제공하는 경량 HTML 파서인 PHP Simple HTML DOM Parser 라이브러리를 사용하기로 선택했습니다. 라이브러리는 작성기 도구를 사용하여 쉽게 설치하고 구성할 수 있습니다.

2. 대상 웹페이지 분석

웹페이지 데이터를 캡처하는 코드를 작성하기 전에 먼저 대상 웹페이지의 구조와 데이터 형식을 분석하여 필요한 데이터를 올바르게 찾고 얻을 수 있습니다. 여기서는 블로그 웹사이트의 기사 목록 페이지를 예로 들어 보겠습니다. 여기에는 아래와 같이 여러 행의 데이터와 일부 테이블 요소가 포함되어 있습니다.

<table>
  <thead>
    <tr>
      <th>编号</th>
      <th>标题</th>
      <th>作者</th>
      <th>发布时间</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>1</td>
      <td><a href="/articles/1">PHP爬虫实战</a></td>
      <td>张三</td>
      <td>2022-06-01 08:00:00</td>
    </tr>
    <tr>
      <td>2</td>
      <td><a href="/articles/2">Python数据可视化</a></td>
      <td>李四</td>
      <td>2022-06-02 09:00:00</td>
    </tr>
    <!-- more rows -->
  </tbody>
</table>

이 웹페이지의 테이블은 <table></로 구성됩니다. code>, <code><thead>, <tbody>, <tr> 등의 태그로 구성되며, 그 중 <thead>는 테이블의 열 헤더를 정의하는 데 사용되며, <tbody>는 테이블의 행 데이터를 정의하는 데 사용됩니다. <td></ code>는 셀 데이터를 정의하는 데 사용되며 <code> <a> 태그는 기사 제목에 대한 링크를 나타냅니다. <table>、<thead>、<tbody>和<tr>等标签组成，其中<thead>用于定义表格的列头，<tbody>用于定义表格的行数据，<td>用于定义单元格数据，而<a>标签则表示文章标题的链接。

3. 编写爬虫代码

有了目标网页的分析结果，我们就可以编写爬虫代码来获取表格数据了。

首先，我们需要加载目标网页，然后使用file_get_html()方法将其转换成DOM对象。接着，我们可以使用find()方法来选择数据所在的元素，例如table > tbody > tr表示选择<table>的子元素<tbody>下的所有<tr>标签，即表格的所有行数据。代码如下：

$url = 'http://example.com/articles';
$html = file_get_html($url);

$rows = array();
foreach ($html->find('table > tbody > tr') as $row) {
  // 解析表格数据
}

然后，我们需要遍历每一行数据，解析其中的单元格数据并将其保存到数组中，以便后续处理。具体来说，我们可以使用find('td')方法来选择每个行元素的子元素<td>，然后获取其文本内容或链接地址。代码如下：

$url = 'http://example.com/articles';
$html = file_get_html($url);

$rows = array();
foreach ($html->find('table > tbody > tr') as $row) {
  $data = array();
  
  // 获取单元格文本内容或链接地址
  $columns = $row->find('td');
  $data['id'] = $columns[0]->plaintext;
  $data['title'] = $columns[1]->find('a', 0)->plaintext;
  $data['link'] = $columns[1]->find('a', 0)->href;
  $data['author'] = $columns[2]->plaintext;
  $data['date'] = $columns[3]->plaintext;
    
  $rows[] = $data;
}

上述代码中，$data数组保存当前行的数据，其中id、title、author和date分别对应表格的列，而link则是文章标题的链接地址。使用$rows[] = $data语句将$data数组添加到$rows

크롤러 코드 작성
대상 웹페이지의 분석 결과를 바탕으로 크롤러 코드를 작성하여 테이블 데이터를 얻을 수 있습니다.
4. 먼저 대상 웹페이지를 로드한 다음 file_get_html() 메서드를 사용하여 이를 DOM 객체로 변환해야 합니다. 그런 다음 find() 메서드를 사용하여 데이터가 있는 요소를 선택할 수 있습니다. 예를 들어 table > tr는 < ;table> 하위 요소 <tbody> 아래의 모든 <tr> 태그, 즉 테이블의 모든 데이터 행입니다. 코드는 다음과 같습니다. rrreee

   그런 다음 데이터의 각 행을 반복하고 그 안의 셀 데이터를 구문 분석한 후 후속 처리를 위해 배열에 저장해야 합니다. 구체적으로 find('td') 메소드를 사용하여 각 행 요소의 하위 요소 <td>를 선택한 다음 해당 텍스트 콘텐츠 또는 링크 주소를 얻을 수 있습니다. . 코드는 다음과 같습니다. rrreee🎜위 코드에서 $data 배열은 현재 행의 데이터를 저장하며 그 중 id, title code>, <code>author, date는 각각 표의 열에 해당하고, link는 기사 제목의 링크 주소입니다. $rows[] = $data 문을 사용하여 $data 배열을 $rows 배열에 추가합니다. 🎜🎜마지막으로 데이터를 데이터베이스에 저장하거나 Excel 파일로 내보내는 등 필요에 따라 데이터를 추가로 처리하고 저장할 수 있습니다. 🎜🎜🎜요약🎜🎜🎜이 글에서는 PHP Simple HTML DOM Parser 라이브러리를 사용하여 웹 페이지 테이블 데이터를 크롤링하는 방법을 소개합니다. 대상 웹 페이지의 구조와 데이터 형식을 분석하고 해당 DOM 작업 방법을 사용하여 필요한 데이터를 신속하게 찾고 얻을 수 있으며 이를 통해 다양한 데이터 분석 및 응용 시나리오를 실현할 수 있습니다. 물론 크롤러 기술 역시 웹사이트의 이용 규정 및 정책을 준수하도록 주의를 기울여야 하며 타인의 권리를 남용하거나 침해할 수 없습니다. 🎜

위 내용은 PHP 크롤러 연습: 웹 테이블 데이터를 크롤링하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!