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: http://github.com/jae-jae/QueryList

2.安装PhantomJS插件



composer require jaeger/querylist-phantomjs



GitHub: http://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 QL\QueryList;

use QL\Ext\PhantomJs;

 

$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('http://m.toutiao.com')->getHtml();

print_r($html);



获取所有p标签文本内容:





$data = $ql->browser('http://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('http://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 (\JonnyW\PhantomJs\Http\RequestInterface $r){

  $r->setMethod('GET');

  $r->setUrl('http://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 (\JonnyW\PhantomJs\Http\RequestInterface $r){

  $r->setMethod('GET');

  $r->setUrl('http://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());