今天来做一个PHP电影小爬虫。

时间：2021-10-30 23:38:15

今天来做一个PHP电影小爬虫。
我们来利用simple_html_dom的采集数据实例，这是一个PHP的库，上手很容易。
simple_html_dom 可以很好的帮助我们利用php解析html文档。通过这个php封装类可以很方便的解析html文档，对其中的html元素进行操作 (PHP5+以上版本)
下载地址：https://github.com/samacs/simple_html_dom
下面我们以 http://www.paopaotv.com 上的列表页 http://paopaotv.com/tv-type-id-5-pg-1.html 字母模式展现的列表为例，抓取页面上的列表数据，以及内容里面信息

 <?php

 include_once 'simple_html_dom.php';

 //获取html数据转化为对象

 $html = file_get_html('http://paopaotv.com/tv-type-id-5-pg-1.html');

 //A-Z的字母列表每条数据是在id=letter-focus 的div内class= letter-focus-item的dl标签内，用find方法查找即为

 $listData=$html->find("#letter-focus .letter-focus-item");//$listData为数组对象

 foreach($listData as$key=>$eachRowData){

 $filmName=$eachRowData->find("dd span",)->plaintext;//获取影视名称

 $filmUrl=$eachRowData->find("dd a",)->href;//获取dd标签下影视对应的地址

 //获取影视的详细信息

 $filmInfo=file_get_html("http://paopaotv.com".$filmUrl);

 $filmDetail=$filmInfo->find(".info dl");

 foreach($filmDetail as $film){

 $info=$film->find("dd");

 $row=null;

 foreach($info as $childInfo){

 $row[]=$childInfo->plaintext;

 }

 $cate[$key][]=join(",",$row);//将影视的信息存放到数组中

 }

 }

这样通过simple_html_dom，就可以将paopaotv.com影视列表中信息，以及影视的具体信息就抓取到了，之后你可以继续抓取影视详细页面上的视频地址信息，然后将该影视的所有信息都存放到数据库中。
下面是simple_html_dom常用的属性以及方法：

 $html = file_get_html('http://paopaotv.com/tv-type-id-5-pg-1.html');

 $e = $html->find("div", );

 //标签

 $e->tag;

 //外文本

 $e->outertext;

 //内文本

 $e->innertext;

 //纯文本

 $e->plaintext;

 //子元素

 $e->children ( [int $index] );

 //父元素

 $e->parent ();

 //第一个子元素

 $e->first_child ();

 //最后一个子元素

 $e->last_child ();

 //后一个兄弟元素

 $e->next_sibling ();

 //前一个兄弟元素

 $e->prev_sibling ();

 //标签数组

 $ret = $html->find('a');

 //第一个a标签

 $ret = $html->find('a', );

原文：http://www.cnblogs.com/blueel/p/3756446.html

相关文章