QueryList简洁、优雅的 PHP 采集工具(爬虫)

QueryList是一套简洁、优雅的PHP采集工具（爬虫），基于phpQuery。

特性：

• 拥有与jQuery完全相同的CSS3 DOM选择器

• 拥有与jQuery完全相同的DOM操作API

• 拥有通用的列表采集方案

• 拥有强大的HTTP请求套件，轻松实现如：模拟登陆、伪造浏览器、HTTP代理等意复杂的网络请求

• 拥有乱码解决方案

• 拥有强大的内容过滤功能，可使用jQuey选择器来过滤内容

• 拥有高度的模块化设计，扩展性强

• 拥有富有表现力的API

• 拥有高质量文档

• 拥有丰富的插件

• 拥有专业的问答社区和交流群

通过插件可以轻松实现诸如：

• 多线程采集

• 图片本地化

• 模拟浏览器行为，如：提交Form表单

• 网络爬虫

• .....

安装:

composer require jaeger/querylist

用法：

元素操作

• 采集「昵图网」所有图片地址

QueryList::get('http://www.nipic.com')->find('img')->attrs('src');

• 采集百度搜索结果

$ql = QueryList::get('http://www.baidu.com/s?wd=QueryList');

$ql->find('title')->text(); // 获取网站标题
$ql->find('meta[name=keywords]')->content; // 获取网站头部关键词

$ql->find('h3>a')->texts(); //获取搜索结果标题列表
$ql->find('h3>a')->attrs('href'); //获取搜索结果链接列表

$ql->find('img')->src; //获取第一张图片的链接地址
$ql->find('img:eq(1)')->src; //获取第二张图片的链接地址
$ql->find('img')->eq(2)->src; //获取第三张图片的链接地址
// 遍历所有图片
$ql->find('img')->map(function($img){
	echo $img->alt;  //打印图片的alt属性
});

列表采集

采集百度搜索结果列表的标题和链接:

$data = QueryList::get('http://www.baidu.com/s?wd=QueryList')
	// 设置采集规则
    ->rules([ 
	    'title'=>array('h3','text'),
	    'link'=>array('h3>a','href')
	])
	->query()->getData();

print_r($data->all());

采集结果:

Array
(
    [0] => Array
        (
            [title] => QueryList|基于phpQuery的无比强大的PHP采集工具
            [link] => http://www.baidu.com/link?url=GU_YbDT2IHk4ns1tjG2I8_vjmH0SCJEAPuuZN
        )
    [1] => Array
        (
            [title] => PHP 用QueryList抓取网页内容 - wb145230 - 博客园
            [link] => http://www.baidu.com/link?url=zn0DXBnrvIF2ibRVW34KcRVFG1_bCdZvqvwIhUqiXaS
        )
    [2] => Array
        (
            [title] => 介绍- QueryList指导文档
            [link] => http://www.baidu.com/link?url=pSypvMovqS4v2sWeQo5fDBJ4EoYhXYi0Lxx
        )
        //...
)

查看更多用法:https://github.com/jae-jae/QueryList

寻求帮助?

• QueryList交流社区: http://querylist.cc/

• QueryList文档: http://doc.querylist.cc/

• Git@OSC:http://git.oschina.net/jae/QueryList

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