php使用QueryList轻松采集js动态渲染页面方法

QueryList使用jQuery的方式来做采集，拥有丰富的插件。下面来演示QueryList使用PhantomJS插件抓取JS动态创建的页面内容。

一、安装

使用Composer安装：

1.安装QueryList

composer require jaeger/querylist

GitHub: https://github.com/jae-jae/QueryList

2.安装PhantomJS插件

composer require jaeger/querylist-phantomjs

GitHub: https://github.com/jae-jae/QueryList-PhantomJS

二、下载PhantomJS二进制文件

PhantomJS官网:http://phantomjs.org ，下载对应平台的PhantomJS二进制文件。

三、插件API

QueryList browser($url,$debug = false,$commandOpt = []):使用浏览器打开连接

四、使用

以采集「今日头条」手机版为例，「今日头条」手机版基于React框架，内容是纯动态渲染出来的。

下面演示QueryList的PhantomJs插件用法:

1.安装插件

use QLQueryList;use QLExtPhantomJs; $ql = QueryList::getInstance();// 安装时需要设置PhantomJS二进制文件路径$ql->use(PhantomJs::class,"/usr/local/bin/phantomjs");//or Custom function name$ql->use(PhantomJs::class,"/usr/local/bin/phantomjs","browser");

2.Example-1

获取动态渲染的HTML:

$html = $ql->browser("https://m.toutiao.com")->getHtml();print_r($html);

获取所有p标签文本内容:

$data = $ql->browser("https://m.toutiao.com")->find("p")->texts();print_r($data->all());

输出:

Array(  [0] => 自拍模式开启！国庆假期我和国旗合个影  [1] => 你旅途已开始 他们仍在自己的岗位上为你的假期保驾护航  [2] => 喜极而泣，都教授终于回到地球了！  //....)

使用http代理:

// 更多选项可以查看文档: http://phantomjs.org/api/command-line.html$ql->browser("https://m.toutiao.com",true,[  // 使用http代理 "--proxy" => "192.168.1.42:8080",  "--proxy-type" => "http"])

3.Example-2

自定义一个复杂的请求：

$data = $ql->browser(function (JonnyWPhantomJsHttpRequestInterface $r){  $r->setMethod("GET");  $r->setUrl("https://m.toutiao.com");  $r->setTimeout(10000); // 10 seconds  $r->setDelay(3); // 3 seconds  return $r;})->find("p")->texts(); print_r($data->all());

开启debug模式，并从本地加载cookie文件：

$data = $ql->browser(function (JonnyWPhantomJsHttpRequestInterface $r){  $r->setMethod("GET");  $r->setUrl("https://m.toutiao.com");  $r->setTimeout(10000); // 10 seconds  $r->setDelay(3); // 3 seconds  return $r;},true,[  "--cookies-file" => "/path/to/cookies.txt"])->rules([  "title" => ["p","text"],  "link" => ["a","href"]])->query()->getData(); print_r($data->all());