PHP爬虫 -- 014 作业源码

小彩蛋 设置数据表主键的自增起始值

alter table 数据表名字 auto_increment = 起始值;

作业回顾

• 使用medoo改写原来电子书城项目

<?php

/**
 *                             _ooOoo_
 *                            o8888888o
 *                            88" . "88
 *                            (| -_- |)
 *                            O\  =  /O
 *                         ____/`---'\____
 *                       .'  \\|     |//  `.
 *                      /  \\|||  :  |||//  \
 *                     /  _||||| -:- |||||-  \
 *                     |   | \\\  -  /// |   |
 *                     | \_|  ''\---/''  |   |
 *                     \  .-\__  `-`  ___/-. /
 *                   ___`. .'  /--.--\  `. . __
 *                ."" '<  `.___\_<|>_/___.'  >'"".
 *               | | :  `- \`.;`\ _ /`;.`/ - ` : | |
 *               \  \ `-.   \_ __\ /__ _/   .-` /  /
 *          ======`-.____`-.___\_____/___.-`____.-'======
 *                             `=---='
 *          ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 *                     佛祖保佑        永无BUG
 */

require 'vendor/autoload.php';
use Medoo\Medoo;
use QL\QueryList;


// 生成一个querylist对象
$ql = new QueryList();

// 生成一个medoo数据库对象
$database = new Medoo([
    'database_type' => 'mysql',
    'database_name' => 'bookstore',
    'server' => 'localhost',
    'username' => 'root',
    'password' => 'root',
    'charset' => 'utf8',
]);
/*
 * @Description:获取分类
 * @params: 主页url
 * @return: 二维数组, 包括分类名称, 分类url
 */
function get_category($url) {
    global $ql;

    $data = $ql->get($url)->rules([
        "category_name" => ['#default > div > div > div > aside > div.side_categories > ul > li > ul > li > a', 'text'],
        "category_url" => ['#default > div > div > div > aside > div.side_categories > ul > li > ul > li > a', 'href'],
    ])->queryData();
    // 把分类的链接地址补全
    foreach ($data as $key => $value) {
        $value['category_url'] = $url . $value['category_url'];
        $data[$key] = $value;
    }
    return $data;
}

/*
 * @Description: 获取分类下的图书信息, 如果有下一页, 递归获取
 * @param: 分类的url
 * @return: 二维数组, 包括图书名称, 图书价格
 */
function get_book($url) {
    global $ql;
    echo $url . "\n";
    $data = $ql->get($url)->rules([
        "book_name" => ['#default > div > div > div > div > section > div:nth-child(2) > ol > li > article > h3 > a', 'title'],
        "book_price" => ['#default > div > div > div > div > section > div:nth-child(2) > ol > li> article > div.product_price > p.price_color', 'text'],
    ])->queryData();
    // 获取下一页按钮的href, 用来拼接下一页的完整url
    $next = has_next($url);
    if ($next) {
        // 生成完整url
        $tmp_arr = explode('/', $url);
        $tmp_arr[count($tmp_arr) - 1] = $next;
        $next_url = implode('/', $tmp_arr);
        // 调用get_book(), 把返回的数据和当前数据合并
        $data = array_merge($data, get_book($next_url));
    }
    return $data;
}
/*
 * @Description: 判断有没有下一页
 * @param: 当前url
 * @return: 如果有返回按钮的href, 如果没有, 返回空字符串
 */
function has_next($url) {
    global $ql;
    $res = $ql->get($url)->find('#default > div > div > div > div > section > div:nth-child(2) > div > ul > li.next > a')->href;
    return $res;
}
/*
 * @Description: 生成最终的数组
 * @param: 从分类获取的数组
 * @return: 最终整合了图书信息的数组
 */
function make_array($data) {
    foreach ($data as $key => $value) {
        $value['books'] = get_book($value['category_url']);
        $data[$key] = $value;
    }
    return $data;
}

/*
 * @Description: 把整合好的数据, 写入数据库
 * @param: 整合好的数组
 * @return: 没有返回值
 */
function save_data($data) {
    foreach ($data as $key => $value) {
        $bcid = create_category($value['category_name']);
        foreach ($value['books'] as $k => $book) {
            $bname = $book['book_name'];
            $bprice = $book['book_price'];
            create_book($bname, $bprice, $bcid);
        }
    }
}
/*
 * @Description:往类别表里插入数据
 * @param: 类别名称
 * @return: 没有返回值
 */
function create_category($category_name) {
    global $database;
    $id = $database->insert('category', [
        'cname' => $category_name
    ]);
    return $database->id();
}

/*
 * @Description: 往图书表中插入数据
 * @param: 图书名称
 * @param: 图书价格
 * @param: 图书的分类id
 * @return: 没有返回值
 */
function create_book($bname, $bprice, $bcid) {
    global $database;
    $database->insert('book', [
        'bname' => $bname,
        'bprice' => $bprice,
        'bcid' => $bcid,
    ]);
}

// 爬取并整合数据
$data = make_array(get_category('http://books.toscrape.com/'));
// 把数据写入books.txt
save_data($data);

最终效果

下一节

• PHP爬虫 -- 015 应对反爬虫