TP5框架使用QueryList采集框架爬小说操作示例

人间四月天 8356 阅读 0 评论 0 点赞

本文实例讲述了TP5框架使用QueryList采集框架爬小说操作。分享给大家供大家参考，具体如下：

最近想写一个小说网站，就去搜资料，搜出来TP5可以使用QueryList采集框架去爬小说，这里我来给大家详解如何用QueryList去爬小说。
#首先应该下载TP5框架，然后在extend里面建立一个文件夹命名为QL，再去官网下载QueryList,然后把phpQuery.php 和 QueryList.php 两个文件放在QL文件夹下，如图：
在这里插入图片描述
##在QueryList.php里面加上命名空间：

namespace QL;
require ‘phpQuery.php';

use phpQuery,Exception,ReflectionClass;
use Monolog\Logger;
use Monolog\Handler\StreamHandler;
use Iterator,Countable,ArrayAccess;//使用phpQuuery接口

#准备工作做好了下来开始采集小说（我们这里以https://www.17k.com/这个网站的免费小说为例）

##先找到你要采集的小说的目录页面的url作为采集url

##再在url前面加上 view-source: 查看他的源码，找到包含所有章节url的class属性，写好采集规则，执行语句进行采集

##采集他的章节名和每一章节的url，因为url采集下来没有域名，需要用正则表达式加上https://www.17k.com 然后采用for循环去一个一个采集每一章节的内容

##最后再将采集到的章节名与章节内容存入数据库

直接上代码：

<?php
namespace app\index\Controller;
use think\Controller;
use QL\QueryList;
 
class Xiaoshuo extends Controller
{
  public function index()
  {
    //采集目标
    //$url = 'https://www.17k.com/list/3032846.html?offset=';
     $url = 'https://www.17k.com/list/3041226.html?offset=';
    //采集规则
    $rules = array(
          'title'=>array('.ellipsis','text'),//获取书每个章节名
          'link'=>array('.Volume a','href','-.folding -copy -a'),//获取每个章节链接
        );
    //开始采集
    $data = QueryList::Query($url,$rules)->data;
    //var_dump($data);
    //求数组长度
     $j = count($data);
    if($data)
    {
      for($i=0;$i<=$j-1;$i++)
      {
       $values = ['title'=>$data[$i]['title'],'link'=>$data[$i+1]['link']];
       $_POST['url']=$data[$i+1]['link'];
       if (!preg_match("/^(http|ftp):/", $_POST['url']))//给链接加上域名头
        {
         $url1 = 'https://www.17k.com'.$_POST['url'];
        }
       $rules1 = array(
          'novel'=>array('.p','text','-li -a'),
          );
       $data1 = QueryList::Query($url1,$rules1)->data;
       //var_dump($data1);
       $values1 = ['title'=>$data[$i]['title'],'novel'=>$data1[0]['novel']];//将章节名、内容插入数据库
       $data2 = \think\Db::name('novel6')->insert($values1); 
      }
    }
    
  }
}

我们来打印一下他的章节名和章节内容：
在这里插入图片描述注：1.class属性一定要找对
2.采集下来 $data 的第一个数组的link不是第一章的url，下一个才是第一章的，所以 data[ data[" role="presentation" style="position: relative;"> $data[$ data[i+1][‘link'] 是他第i章的url