|-摘 安装Puppeteer插件,PHP采集实现抓取百度搜索结果并分析数据结构
我测试代码的环境是Centos8
- 使用Puppeteer采集JavaScript动态渲染的页面。使用此插件需要有一定的Node.js基础知识,并且会配置Node运行环境。
此插件是基于PuPHPeteer包的简单封装,支持使用Puppeteer所有的API,非常强大!
- PuPHPeteer:https://github.com/nesk/puphpeteer
- Puppeteer:https://github.com/GoogleChrome/puppeteer
- Github:https://github.com/jae-jae/QueryList-Puppeteer
- 环境要求
- PHP >= 7.1
- Node >= 8
- 安装
1,安装依赖插件
composer require nesk/puphpeteer ^1.4
2,安装插件
composer require jaeger/querylist-puppeteer
3,安装Node依赖(与composer一样在项目根目录下执行)
npm install @nesk/puphpeteer
或者使用yarn安装Node依赖:
yarn add @nesk/puphpeteer
4,如果npm安装速度太慢,可以尝试更换国内npm镜像源:
npm config set registry https://registry.npm.taobao.org
这里我没试验,我在服务器上安装的,国内的这些源没测试过
用法
在QueryList中注册插件
use QL\QueryList;
use QL\Ext\Chrome;
$ql = QueryList::getInstance();
// 注册插件,默认注册的方法名为: chrome
$ql->use(Chrome::class);
// 或者自定义注册的方法名
$ql->use(Chrome::class,'chrome');
基本用法
// 抓取的目标页面是使用Vue.js动态渲染的页面
$text = $ql->chrome('https://www.iviewui.com/components/button')->find('h1')->text();
print_r($text);
// 输出: Button 按钮
$rules = [
'h1' => ['h1','text']
];
$ql = $ql->chrome('https://www.iviewui.com/components/button');
$data = $ql->rules($rules)->queryData();
设置Puppeteer launch选项,选项文档:https://github.com/GoogleChrome/puppeteer/blob/v1.11.0/docs/api.md#puppeteerlaunchoptions
$text = $ql->chrome('https://www.iviewui.com/components/button',[
'timeout' => 6000,
'ignoreHTTPSErrors' => true,
// ...
])->find('h1')->text();
更高级的用法,查看Puppeteer文档了解全部API: https://github.com/GoogleChrome/puppeteer
$text = $ql->chrome(function ($page,$browser) {
$page->setUserAgent('Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36');
// 设置cookie
$page->setCookie([
'name' => 'foo',
'value' => 'xxx',
'url' => 'https://www.iviewui.com'
],[
'name' => 'foo2',
'value' => 'yyy',
'url' => 'https://www.iviewui.com'
]);
$page->goto('https://www.iviewui.com/components/button');
// 等待h1元素出现
$page->waitFor('h1');
// 获取页面HTML内容
$html = $page->content();
// 关闭浏览器
$browser->close();
// 返回值一定要是页面的HTML内容
return $html;
})->find('h1')->text();
调试
调试有很多种方法,下面演示通过页面截图和启动可视化Chrome浏览器来了解页面加载情况
页面截图
运行下面代码后可以在项目根目录下看到page.png截图文件。
$text = $ql->chrome(function ($page,$browser) {
$page->goto('https://www.iviewui.com/components/button');
// 页面截图
$page->screenshot([
'path' => 'page.png',
'fullPage' => true
]);
$html = $page->content();
$browser->close();
return $html;
})->find('h1')->text();
启动可视化Chrome浏览器
运行下面代码后会启动一个Chrome浏览器。
$text = $ql->chrome(function ($page,$browser) {
$page->goto('https://www.iviewui.com/components/button');
$html = $page->content();
// 这里故意设置一个很长的延长时间,让你可以看到chrome浏览器的启动
sleep(10000000);
$browser->close();
// 返回值一定要是页面的HTML内容
return $html;
},[
'headless' => false, // 启动可视化Chrome浏览器,方便调试
'devtools' => true, // 打开浏览器的开发者工具
])->find('h1')->text();
我采集百度时,提示报错,采集代码如下 ...
浏览更多内容请先登录。
立即注册
更新于:2022-04-24 18:43:14
相关内容
Centos7利用yum安装apache+mysql8+php7 一篇搞定!
[PHP] 网盘搜索引擎-采集爬取百度网盘分享文件实现网盘搜索
PHP7.2以上版本的安装问题
Opencart安装,提示PHP8+ Required
OpenCart 中文语言包下载和安装及配置
OpenCart微信支付配置操作流程
Opencart安装简体中文语言包
Opencart安装,提示Error: Variable 'sql_mode' can't be set to the ...
PHP与APP
PHP是否可以应用于App开发
推荐内容