README.md · OSCHINA-MIRROR/jae-QueryList

QueryList

QueryList — это простой, элегантный и расширяемый веб-скребок (краулер/паук) на PHP, основанный на phpQuery.

Документация API.

Китайская документация.

Особенности

Имеет тот же селектор CSS3 DOM, что и jQuery.
Имеет такой же API манипулирования DOM, как и jQuery.
Имеет универсальную программу для обхода списков.
Обладает мощным набором HTTP-запросов, с помощью которого легко выполнять такие задачи, как имитация перехода по ссылке, поддельный браузер, HTTP-прокси и другие сложные сетевые запросы.
Предлагает решение для грязного кода.
Предоставляет мощные возможности фильтрации контента, вы можете использовать селекторы jQuey для фильтрации содержимого.
Отличается высокой степенью модульности, масштабируемости и надёжности.
Имеет выразительный API.
Располагает множеством плагинов.

С помощью плагинов можно легко реализовать:

Многопоточный обход.
Обход динамически отображаемых страниц JavaScript (PhantomJS/headless WebKit).
Скачивание изображений на локальный компьютер.
Имитацию поведения браузера, такого как отправка форм.
Веб-краулер.
...

Требования

PHP >= 7.0.

Установка

Через Composer:

composer require jaeger/querylist

Использование

Обход DOM и манипуляции

Просмотрите все ссылки на изображения на GitHub:

QueryList::get('https://github.com')->find('img')->attrs('src');

Просканируйте результаты поиска Google:

$ql = QueryList::get('https://www.google.co.jp/search?q=QueryList');

$ql->find('title')->text(); //Заголовок страницы
$ql->find('meta[name=keywords]')->content; //Ключевые слова страницы

$ql->find('h3>a')->texts(); //Получить список заголовков результатов поиска
$ql->find('h3>a')->attrs('href'); //Получить список ссылок результатов поиска

$ql->find('img')->src; //Получает адрес ссылки первого изображения
$ql->find('img:eq(1)')->src; //Получает адрес ссылки второго изображения
$ql->find('img')->eq(2)->src; //Получает адрес ссылки третьего изображения
// Перебираем все изображения
$ql->find('img')->map(function($img){
    echo $img->alt;  //Выводим атрибут alt изображения
});

Другие варианты использования:

$ql->find('#head')->append('<div>Append content</div>')->find('div')->htmls();
$ql->find('.two')->children('img')->attrs('alt'); // Получить элемент класса «two» под всеми дочерними узлами img
// Перебрать элементы класса «two» под всеми дочерними элементами
$data = $ql->find('.two')->children()->map(function ($item){
    // Использовать «is», чтобы определить тип узла
    if($item->is('a')){
        return $item->text();
    }elseif($item->is('img'))
    {
        return $item->alt;
    }
});

$ql->find('a')->attr('href', 'newVal')->removeClass('className')->html('newHtml')->...
$ql->find('div > p')->add('div > ul')->filter(':has(a)')->find('p:first')->nextAll()->andSelf()->...
$ql->find('div.old')->replaceWith( $ql->find('div.new')->clone())->appendTo('.trash')->prepend('Deleted')->...

Обход списка

Просмотрите заголовок и ссылку в списке результатов поиска Google:

$data = QueryList::get('https://www.google.co.jp/search?q=QueryList')
    // Устанавливаем правила обхода
    ->rules([ 
        'title'=>array('h3','text'),
        'link'=>array('h3>a','href')
    ])
    ->query()->getData();

print_r($data->all());

Результаты:

Array
(
    [0] => Array
        (
            [title] => Angular - QueryList
            [link] => https://angular.io/api/core/QueryList
        )
    [1] => Array
        (
            [title] => QueryList | @angular/core - Angularリファレンス - Web Creative Park
            [link] => http://www.webcreativepark.net/angular/querylist/
        )
    [2] => Array
        (
            [title] => QueryListにQueryを追加したり、追加されたことを感知する | TIPS ...
            [link] => http://www.webcreativepark.net/angular/querylist_query_add_subscribe/
        )
        //...
)

Преобразование кодировки

// Out charset :UTF-8
// In charset :GB2312
QueryList::get('https://top.etao.com')->encoding('UTF-8','GB2312')->find('a')->texts();

// Out charset:UTF-8
// In charset:Automatic Identification
QueryList::get('https://top.etao.com')->encoding('UTF-8')->find('a')->texts();

HTTP-клиент (GuzzleHttp)

Переносит файлы cookie для входа в GitHub. Запрос 1:

//Crawl GitHub content
$ql = QueryList::get('https://github.com','param1=testvalue & params2=somevalue',[
  'headers' => [
      // Fill in the cookie from the browser
      'Cookie' => 'SINAGLOBAL=546064; wb_cmtLike_2112031=1; wvr=6;....'
  ]
]);
//echo $ql->getHtml();
$userName = $ql->find('.header-nav-current-user>.css-truncate-target')->text();
echo $userName;

Перевод:

Ползание по содержимому GitHub

$ql = QueryList::get ('https://github.com' 'param1=testvalue&params2=somevalue', [headers => [Cookie => 'SINAGLOBAL=546064;wb_cmtLike_2112031=1;wvr=6;...']]);

// echo $ql->getHtml();

$userName = $ql->find (.header-nav-current-user> .css-truncate-target )->text;

echo $userName;

Запрос 2:

$urlParams = ['param1' => 'testvalue','params2' => 'somevalue'];
$opts = [
    // Set the http proxy
    'proxy' => 'http://222.141.11.17:8118',
    //Set the timeout time in seconds
    'timeout' => 30,
     // Fake HTTP headers
    'headers' => [
        'Referer' => 'https://querylist.cc/',
        'User-Agent' => 'testing/1.0',
        'Accept'     => 'application/json',
        'X-Foo'      => ['Bar', 'Baz'],
        'Cookie'    => 'abc=111;xxx=222'
    ]
];
$ql->get('http://httpbin.org/get',$urlParams,$opts);
// echo $ql->getHtml();

Перевод:

$urlParams = ['param1' => 'testvalue','params2' => 'somevalue'];

$opts = [proxy => 'http://222.141.11.17:8118',timeout => 30,

'headers' => [Referer => 'https://querylist.cc/',User-Agent => 'testing/1.0',Accept => 'application/json',X-Foo => [Bar, Baz],

'Cookie' => 'abc=111;xxx=222']];

$ql->get ('http://httpbin.org/get', $urlParams, $opts);

Запрос 3:

// Post login
$ql = QueryList::post('http://xxxx.com/login',[
    'username' => 'admin',
    'password' => '123456'
])->get('http://xxx.com/admin');
// Crawl pages that need to be logged in to access
$ql->get('http://xxx.com/admin/page');
//echo $ql::getHtml();

Перевод:

Постлогин

$ql = QueryList::post ('http://xxxx.com/login', [username => 'admin',password => '123456']);

->get ('http://xxx.com/admin');

Сканирование страниц, для доступа к которым требуется авторизация

$ql->get ('http://xxx.com/admin/page');

Запрос 4:

Вход на GitHub

// Get the QueryList instance
$ql = QueryList::getInstance();
// Get the login form
$form = $ql->get('https://github.com/login')->find('form');

// Fill in the GitHub username and password
$form->find('input[name=login]')->val('your github username or email');
$form->find('input[name=password]')->val('your github password');

// Serialize the form data
$fromData = $form->serializeArray();
$postData = [];
foreach ($fromData as $item) {
    $postData[$item['name']] = $item['value'];
}

// Submit the login form
$actionUrl = 'https://github.com'.$form->attr('action');
$ql->post($actionUrl,$postData);
// To determine whether the login is successful
// echo $ql->getHtml();
$userName = $ql->find('.header-nav-current-user>.css-truncate-target')->text();
if($userName)
{
    echo 'Login successful ! Welcome:'.$userName;
}else{
    echo 'Login failed !';
}

Перевод:

Вход в GitHub

Получить экземпляр QueryList

$ql = QueryList::getInstance();

Получить форму входа

$form = $ql->get ('https://github.com/login')->find ('form');

Заполнить имя пользователя и пароль GitHub

$form->find ('input[name=login]')->val ('ваш адрес электронной почты или имя пользователя GitHub');

$form->find ('input[name=пароль]')->val ('ваш пароль GitHub');

Сериализовать данные формы

$fromData = $form->serializeArray();

$postData = [];

foreach ($fromData как $item) {

$postData[$item['name']] = $item['value'];

}

Отправить форму входа

$actionUrl = 'https://github.com'.$form->attr ('action');

$ql->post ($actionUrl, $postData);

Определить успешность входа

// echo $ql->getHtml();

$userName = $ql->find (.header-nav-current-user>.css-truncate-target)->text ();

если ($userName)

{

эхо 'Вход выполнен успешно! Добро пожаловать:'.$userName;

} еще {

эхо 'Ошибка входа!';

}

Запрос 5:

$ql = QueryList::use(PhantomJs::class,'/usr/local/bin/phantomjs');

// Crawl「500px」all picture links
$data = $ql->browser('https://500px.com/editors')->find('img')->attrs('src');
print_r($data->all());

Перевод:

Использовать PhantomJS

$ql = QueryList::use (PhantomJs::class,'/usr/local/bin/phantomjs');

Сканировать все ссылки на изображения на «500 пикселей»

$data = $ql->browser ('https://500px.com/editors')->find ('img')->attrs ('src');

print_r ($data->all());

Запрос 6:

$ql = QueryList::use(CurlMulti::class);
$ql->curlMulti([
    'https://github.com/trending/php',
    'https://github.com/trending/go',
    //.....more urls
])
 // Called if task is success
 ->success(function (QueryList $ql,CurlMulti $curl,$r){
    echo "Current url:{$r['info']['url']} \r\n";
    $data = $ql->find('h3 a')->texts();
    print_r($data->all());
})
 // Task fail callback
->error(function ($errorInfo,CurlMulti $curl){
    echo "Current url:{$errorInfo['info']['url']} \r\n";
    print_r($errorInfo['error']);
})
->start([
    // Maximum number of threads
    'maxThread' => 10,
    // Number of error retries
    'maxTry' => 3,
]);

Перевод:

Использовать плагин CurlMulti

$ql = QueryList::use (CurlMulti::class);

$ql->curlMulti ([

'https://github.com/trending/php',https://github.com/trending/go',//.....больше URL-адресов]);

Вызов при успешном выполнении задачи

->success (функция (QueryList $ql, CurlMulti $curl, $r) {

эхо `"Текущий URL:"`{$`r`[`'info'`][`'url'`]} `\r\n`;`

`$data` = `$ql->find` (`'h3 a'`)->`texts`();

`print_r`($`data`->`all`);

})

Обратный вызов при сбое задачи

->error (функция ($errorInfo, CurlMulti $curl) {

эхо `"Текущий URL:"` {$`errorInfo`[`'info'`][`'url'`]} `\r\n`;`

`print_r` ($`errorInfo` [`'error'`]);

})

->start ([

// Максимальное количество потоков

`'maxThread'` => `10`,

// Количество попыток повтора при ошибке

`'maxTry'` => `3`,

]); ФантомJS используется для обхода динамически отображаемой страницы с помощью JavaScript.

jae-jae/QueryList-CurlMulti: многопоточность Curl.
jae-jae/QueryList-AbsoluteUrl: преобразование относительных URL-адресов в абсолютные.
jae-jae/QueryList-Rule-Google: поисковик Google.
jae-jae/QueryList-Rule-Baidu: поисковик Baidu.

Подробнее о плагинах QueryList и продуктах на основе QueryList: Сообщество QueryList.

Вклад

Приглашаем внести свой вклад в код QueryList. О внесении вклада в плагины можно узнать: Руководство по внесению вклада в QueryList.

Автор

Джагер JaegerCode@gmail.com.

Если эта библиотека вам полезна, скажите спасибо, купив мне пива !

Лицензия

QueryList лицензирован по лицензии MIT. Подробнее см. в файле LICENSE.

OSCHINA-MIRROR/jae-QueryList

MIT License

Permissions

Limitations

Conditions

Особенности

Требования

Установка

Использование

Обход DOM и манипуляции

Обход списка

Преобразование кодировки

HTTP-клиент (GuzzleHttp)

Вход на GitHub

Вклад

Автор

Лицензия

Опубликовать ( 0 )

Введение

Обновления

Участники

Недавние действия

OSCHINA-MIRROR/jae-QueryList .gitee-modal { min-width: 500px !important; } .gitee-modal .close { right: 0.6rem !important; }

MIT License

Permissions

Limitations

Conditions

Особенности

Требования

Установка

Использование

Обход DOM и манипуляции

Обход списка

Преобразование кодировки

HTTP-клиент (GuzzleHttp)

Вход на GitHub

Вклад

Автор

Лицензия

Опубликовать ( 0 )

Введение

Обновления

Участники

Недавние действия

OSCHINA-MIRROR/jae-QueryList