臧富祥 ^回到顶部

您的当前位置:首页 > php资讯 > PHP算法 > 爬虫简介

爬虫简介

所属分类: PHP算法   2020-03-08 11:38:11  编辑:admin  浏览次数 515 次

什么是网络爬虫?

网络爬虫是一个自动提取网页的程序,它为搜索引擎从万维网上下载网页,是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始,获得初始网页上的URL,在抓取网页的过程中,不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。

爬虫有什么用?

·      做为通用搜索引擎网页收集器。(google,baidu)

·      做垂直搜索引擎.

·      科学研究:在线人类行为,在线社群演化,人类动力学研究,计量社会学,复杂网络,数据挖掘,等领域的实证研究都需要大量数据,网络爬虫是收集相关数据的利器。

·      偷窥,hacking,发垃圾邮件……

说到爬虫,很多人就会想到python爬虫,因为它确实有很大的优点(详细自己去网上查找)。

QueryList 简介与特性

QueryList是一套简洁、优雅、可扩展的PHP采集工具(爬虫),基于phpQuery。


特性:

·      拥有与jQuery完全相同的CSS3 DOM选择器

·      拥有与jQuery完全相同的DOM操作API

·      拥有通用的列表采集方案

·      拥有强大的HTTP请求套件,轻松实现如:模拟登陆、伪造浏览器、HTTP代理等意复杂的网络请求

·      拥有乱码解决方案

·      拥有强大的内容过滤功能,可使用jQuey选择器来过滤内容

·      拥有高度的模块化设计,扩展性强

·      拥有富有表现力的API

·      拥有高质量文档

·      拥有丰富的插件

·      拥有专业的问答社区和交流群

通过插件可以轻松实现诸如:

·      多线程采集

·      图片本地化

·      模拟浏览器行为,如:提交Form表单

·      网络爬虫

环境要求

·      PHP >= 7.0

如果你的PHP版本还停留在PHP5,或者不会使用Composer,你可以选择使用QueryList3,QueryList3支持php5.3以及手动安装。 QueryList3 文档:http://v3.querylist.cc

安装

通过Composer安装:

composer require jaeger/querylist


猜你喜欢

PHP文章检索

PHP文章目录