我要评论实现目标
1. 用户发布的微博内容;
2. 用户发布的时间;
3. 用户的名称; (这里我并没有获取)
使用的工具
voku/simple_html_dom x-path
读取工具 (如果不知道怎么获取元素的xpath, 请百度这里不做赘述~)
安装:
composer require voku/simple_html_dom
实现的原理
当你去直接用file_get_contents去抓取微博的网页内容时, 你会被它的访客系统直接拦截, 所以直接用这个方法是不行的;
所以我采用了curl来获取. 当然,直接获取也是不行的, 所以我们要设置一下请求头, 微博对爬虫类的请求头是不会拒绝的,
所以你可以直接抓取到网页;
请求头设置如下:
'user-agent: spider'
代码如下:
// 通过这段代码你可以直接获取到微博的(html)网页
public function curlgetwbdata()
{
// 设置脚本超时时间
set_time_limit(60);
// 拉取微博地址
$getwburl = "https://weibo.com/p/1005056447467552/home?profile_ftype=1&is_all=1#_0";
// 设置curl 请求头
$header = [
'user-agent: spider'
];
$ch = curl_init(); // 初始化curl
curl_setopt($ch, curlopt_url, $getwburl);
curl_setopt($ch, curlopt_returntransfer, 1);
curl_setopt($ch, curlopt_ssl_verifypeer, false); // 禁止 curl 验证对等证书
curl_setopt($ch, curlopt_ssl_verifyhost, false);
curl_setopt($ch, curlopt_followlocation, 1);
curl_setopt($ch, curlopt_httpheader, $header); // 设置请求头
$wbcontent = curl_exec($ch);
curl_close($ch);
// 到这里我们就拿到了微博的网页
return $wbcontent;
}拿到微博的网页内容之后, 我们就要对立面的数据进行提取, 因为并不是所有的数据我们都需要;
这里我们提取 微博内容 微博发布的时间; 现在需要使用x-path来进行提取;
x-path示例:
div[class='wb_cardwrap wb_feed_type s_bg2 wb_feed_like ']
代码如下:
// 这个方法是
public static function actionaddwbdata(string $wbcontent, string $userid)
{
$htmldeal = new htmldomparser(); // 处理dom的对象
$htmldeal->load($wbcontent); // 装载文本
// 微博vip和普通用户的class名不一致
$wbhtml['normal'] = $htmldeal->find("div[class='wb_cardwrap wb_feed_type s_bg2 wb_feed_like ']");
$wbhtml['vip'] = $htmldeal->find("div[class='wb_cardwrap wb_feed_type s_bg2 wb_feed_vipcover wb_feed_like ']");
$wbnum = [];
foreach ($wbhtml as $item => $key) {
if (count($key) <= 0) {
continue;
}
$wbnum[$userid][$item] = self::dealwbcontent($key, $userid);
}
yii::info("抓取微博日志记录" . '----' . json_encode($wbnum));
return $wbnum;
}以上就是使用php抓取微博数据实现demo及原理解析的详细内容，更多关于php抓取微博数据的资料请关注代码网其它相关文章！
发表评论