首页 / JAVASCRIPT / PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程

PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3508字，纯文字阅读大概需要6分钟。

内容图文

PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss

开发一个爬虫，首先你要知道你的这个爬虫是要用来做什么的。我是要用来去不同网站找特定关键字的文章，并获取它的链接，以便我快速阅读。

按照个人习惯，我首先要写一个界面，理清下思路。

1、去不同网站。那么我们需要一个url输入框。

2、找特定关键字的文章。那么我们需要一个文章标题输入框。

3、获取文章链接。那么我们需要一个搜索结果的显示容器。


 
 
  文章URL抓取
 
  
   
    
    
   
   
    
    
   
 
   
  
 
 
 
  文章URL

直接上代码，然后加上自己的一些样式调整，界面就完成啦：

PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程 - 文章图片

那么接下来就是功能的实现了，我用PHP来写，首先第一步就是获取网站的html代码，获取html代码的方式也有很多，我就不一一介绍了，这里用了curl来获取，传入网站url就能得到html代码啦：

private function get_html($url){
 
 $ch = curl_init();
 
 $timeout = 10;
 
 curl_setopt($ch, CURLOPT_URL, $url);
 
 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
 
 curl_setopt($ch, CURLOPT_ENCODING, 'gzip');
 
 curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/34.0.1847.131 Safari/537.36');
 
 curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
 
 $html = curl_exec($ch);
 
 return $html;
 
}

虽然得到了html代码，但是很快你会遇到一个问题，那就是编码问题，这可能让你下一步的匹配无功而返，我们这里统一把得到的html内容转为utf8编码：

$coding = mb_detect_encoding($html);
 
if ($coding != "UTF-8" || !mb_check_encoding($html, "UTF-8"))
 
 $html = mb_convert_encoding($html, 'utf-8', 'GBK,UTF-8,ASCII');

得到网站的html，要获取文章的url，那么下一步就是要匹配该网页下的所有a标签，需要用到正则表达式，经过多次测试，最终得到一个比较靠谱的正则表达式，不管a标签下结构多复杂，只要是a标签的都不放过：(最关键的一步)

$pattern = '|]*>(.*)|isU';
 
preg_match_all($pattern, $html, $matches);

匹配的结果在$matches中，它大概是这样的一个多维素组：

array(2) { 
 [0]=> 
 array(*) { 
  [0]=>
  string(*) "完整的a标签"
  .
  .
  .
 }
 [1]=>
 array(*) {
  [0]=>
  string(*) "与上面下标相对应的a标签中的内容"
 }
}

只要能得到这个数据，其他就完全可以操作啦，你可以遍历这个素组，找到你想要a标签，然后获取a标签相应的属性，想怎么操作就怎么操作啦，下面推荐一个类，让你更方便操作a标签：

$dom = new DOMDocument();
 
@$dom->loadHTML($a);//$a是上面得到的一些a标签
 
$url = new DOMXPath($dom);
 
$hrefs = $url->evaluate('//a');
 
for ($i = 0; $i < $hrefs->length; $i++) {
 
 $href = $hrefs->item($i);
 
 $url = $href->getAttribute('href'); //这里获取a标签的href属性
 
}

当然，这只是一种方式，你也可以通过正则表达式匹配你想要的信息，把数据玩出新花样。

得到并匹配得出你想要的结果，下一步当然就是传回前端将他们显示出来啦，把接口写好，然后前端用js获取数据，用jquery动态添加内容显示出来：

var website_url = '你的接口地址';
$.getJSON(website_url,function(data){
 if(data){
  if(data.text == ''){
   $('#article_url').html('
暂无该文章链接
');
   return;
  }
  var string = '';
  var list = data.text;
  for (var j in list) {
    var content = list[j].url_content;
    for (var i in content) {
     if (content[i].title != '') {
      string += '' +
       '[' + list[j].website.web_name + ']' +
       '' + content[i].title + '' +
       '';
     }
    }
   }
  $('#article_url').html(string);
});

上最终效果图：

PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程 - 文章图片

以上就是本文的全部内容，希望对大家的学习有所帮助。

您可能感兴趣的文章:

  • NodeJS制作爬虫全过程
  • NodeJS制作爬虫全过程（续）
  • nodejs爬虫抓取数据乱码问题总结
  • nodejs爬虫抓取数据之编码问题
  • 基于Node.js的强大爬虫 能直接发布抓取的文章哦
  • Java实现爬虫给App提供数据（Jsoup 网络爬虫）
  • Nodejs爬虫进阶教程之异步并发控制
  • node.js基础模块http、网页分析工具cherrio实现爬虫
  • Node.js编写爬虫的基本思路及抓取百度图片的实例分享
  • nodeJs爬虫获取数据简单实现代码

www.bkjia.comtruehttp://www.bkjia.com/PHPjc/1117089.htmlTechArticlePHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss 开发一个爬虫，首先你要知道你的这个爬虫是要用来做什么的。我是要用来去不同网站找特...

内容总结

以上是互联网集市为您收集整理的PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程全部内容，希望文章能够帮你解决PHP+HTML+JavaScript+Css实现简单爬虫开发，javascriptcss_PHP教程所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/190388.html

来源：【匿名】