PHPspider爬虫10分钟快速教程

点击上方 “安全优佳” 可以订阅哦！

说到做爬虫，大家都可能第一时间想到的是python，其实php也是可以用来写爬虫程序的。php一贯简洁、易用，亲测使用PHPspider框架10分钟就能写出一个简单的爬虫程序。

一、PHP环境安装

和python一样，PHP也需要环境，可以使用官网下载的PHP，也可以使用XAMPP、PHPstudy等集成环境下的PHP。比较推荐集成环境，省去单独安装Mysql数据库。

二、composer安装

composer是PHP下的依赖包管理工具，类似于Python中的PIP。

中文官网为https://www.phpcomposer.com/

下载安装即可，win+R运行cmd，输入composer命令，出现如下图所示说明安装成功了。

三、PHPspider安装

在任意位置建立一个文件夹，例如我们要抓取简书的数据，我们可以在D盘建立jianshu文件夹，然后cmd命令进入该文件夹，运行命令

composer require owner888/phpspider

如下结果便是成功安装了。

四、开始写第一个爬虫

现在打开jianshu文件夹，会发现里面多了一些东西，不用管它，建立一个php文件，开始打代码。

开发文档在这：https://doc.phpspider.org/demo-start.html

这边不讲基础，直接上代码，因为咱们是做的10分钟快速教程。

匹配方式使用XPach语法。

<?php
require '/vendor/autoload.php';
use phpspidercorephpspider;
/* Do NOT delete this comment */
/* 不要删除这段注释 */
$configs = array(
'name' => '简书',
'log_show' =>false,
'tasknum' => 1,
//数据库配置
'db_config' => array(
'host' => '127.0.0.1',
'port' => 3306,
'user' => 'root',
'pass' => '',
'name' => 'demo',
),
'export' => array(
'type' => 'db',
'table' => 'jianshu', // 如果数据表没有数据新增请检查表结构和字段名是否匹配
),
//爬取的域名列表 
'domains' => array(
 'jianshu',
 'www.jianshu.com'
), 
//抓取的起点
'scan_urls' => array(
 'https://www.jianshu.com/c/V2CqjW?utm_medium=index-collections&utm_source=desktop'
),
//列表页实例
'list_url_regexes' => array(
 "https://www.jianshu.com/c/d+"
),
//内容页实例
// d+ 指的是变量
'content_url_regexes' => array(
 "https://www.jianshu.com/p/d+",
),
'max_try' => 5,
'fields' => array(
 array(
 'name' => "title",
 'selector' => "//h1[@class='title']",
 'required' => true,
 ),
 array(
 'name' => "content",
 'selector' => "//div[@class='show-content-free']",
 'required' => true,
 ),
),
);
$spider = new phpspider($configs);
$spider->start();

稍微解释一下一下句法的含义：

//h1[@class='title']

获取所有class值为title的h1节点

//div[@class='show-content-free']

获取所有class值为show-content-free的div节点

具体为什么这么写呢？自己看简书的html源码吧。

打完代码后，记得根据要抓取的内容建立对应的数据库、数据表，字段要能对对上。

接着cmd，输入

php -f d:jianshuspider.php

运行如下

打开数据看一下，是不是都抓取到了呢？

安全优佳

http://news.secwk.com

长按识别左侧二维码，关注我们