如何用QueryList高效抓取js动态加载的长尾关键词页面？

本文共计623个文字，预计阅读时间需要3分钟。

使用jQuery的方式实现采集，并拥有丰富的插件。以下是用PhantomJS插件演示QueryList如何抓取由JavaScript动态创建的页面内容：

安装使用Composer安装QueryList：

bashcomposer require jaeger/querylist

使用以下是一个使用QueryList和PhantomJS插件抓取动态内容的示例：

php

use QL\QueryList;

// 创建QueryList实例，指定PhantomJS插件$query=QueryList::usePhantomJS();

// 设置PhantomJS的配置$query->setPhantomJSDriver([ 'path'=> '/path/to/phantomjs', // PhantomJS的路径]);

// 加载页面$pageContent=$query->get('http://example.com')->();

// 输出页面内容echo $pageContent;

确保将`/path/to/phantomjs`替换为你的PhantomJS实际安装路径。这段代码将加载指定的URL，并输出由JavaScript动态创建的页面内容。

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: github.com/jae-jae/QueryList

2.安装PhantomJS插件

composer require jaeger/querylist-phantomjs

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

二、下载PhantomJS二进制文件

PhantomJS官网: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 = $ql->browser('m.toutiao.com')->getHtml(); print_r($html);

获取所有p标签文本内容:

$data = $ql->browser('m.toutiao.com')->find('p')->texts(); print_r($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phantomjs.org/api/command-line.html $ql->browser('m.toutiao.com',true,[ // 使用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('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());