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: https://github.com/jae-jae/QueryList
2.安装PhantomJS插件
composer require jaeger/querylist-phantomjs
GitHub: https://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 = $ql->browser('https://m.toutiao.com')->getHtml();
print_r($html);
获取所有p标签文本内容:
$data = $ql->browser('https://m.toutiao.com')->find('p')->texts();
print_r($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('https://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('https://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('https://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());