PHP爬虫根据关键词获取衣联网商品列表

在电商领域，通过关键词搜索商品并获取商品列表是常见的需求。衣联网作为知名的电商平台，提供了丰富的服装商品资源。本文将详细介绍如何使用PHP编写爬虫程序，根据关键词获取衣联网商品列表，并确保爬虫行为符合平台规范。

一、环境准备

（一）PHP开发环境

确保你的系统中已安装PHP，并且启用了cURL扩展，用于发送HTTP请求。

（二）安装所需库

安装GuzzleHttp库，用于发送HTTP请求。可以通过Composer安装：

bash

composer require guzzlehttp/guzzle

同时，安装symfony/dom-crawler库，用于解析HTML内容：

bash

composer require symfony/dom-crawler

二、编写爬虫代码

（一）发送HTTP请求

使用GuzzleHttp库发送GET请求，获取商品列表页面的HTML内容。

<?php
require 'vendor/autoload.php';

use GuzzleHttp\Client;

function get_html($url) {
    $client = new Client();
    try {
        $response = $client->request('GET', $url, [
            'headers' => [
                'User-Agent' => 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36'
            ]
        ]);
        return $response->getBody()->getContents();
    } catch (Exception $e) {
        echo "请求失败: " . $e->getMessage() . "\n";
        return null;
    }
}

（二）解析HTML内容

使用Symfony\Component\DomCrawler\Crawler解析HTML内容，提取商品列表。

<?php
use Symfony\Component\DomCrawler\Crawler;

function parse_html($html) {
    $crawler = new Crawler($html);
    $products = [];

    // 根据衣联网的商品列表页面结构调整解析逻辑
    $crawler->filter('div.product-item')->each(function (Crawler $node) use (&$products) {
        $title = $node->filter('h3.product-title')->text();
        $price = $node->filter('span.product-price')->text();
        $link = $node->filter('a.product-link')->attr('href');

        $products[] = [
            'title' => $title,
            'price' => $price,
            'link' => $link
        ];
    });

    return $products;
}

（三）根据关键词获取商品列表

根据关键词构造搜索URL，获取商品列表页面的HTML内容，并解析。

<?php
function get_product_list($keyword, $page = 1) {
    $base_url = "https://www.clothing.com/search";
    $url = $base_url . "?q=" . urlencode($keyword) . "&page=" . $page;
    $html = get_html($url);
    if ($html) {
        return parse_html($html);
    }
    return [];
}

（四）整合代码

将上述功能整合到主程序中，实现完整的爬虫程序。

<?php
require 'vendor/autoload.php';

use GuzzleHttp\Client;
use Symfony\Component\DomCrawler\Crawler;

// 发送HTTP请求
function get_html($url) {
    $client = new Client();
    try {
        $response = $client->request('GET', $url, [
            'headers' => [
                'User-Agent' => 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36'
            ]
        ]);
        return $response->getBody()->getContents();
    } catch (Exception $e) {
        echo "请求失败: " . $e->getMessage() . "\n";
        return null;
    }
}

// 解析HTML内容
function parse_html($html) {
    $crawler = new Crawler($html);
    $products = [];

    $crawler->filter('div.product-item')->each(function (Crawler $node) use (&$products) {
        $title = $node->filter('h3.product-title')->text();
        $price = $node->filter('span.product-price')->text();
        $link = $node->filter('a.product-link')->attr('href');

        $products[] = [
            'title' => $title,
            'price' => $price,
            'link' => $link
        ];
    });

    return $products;
}

// 根据关键词获取商品列表
function get_product_list($keyword, $page = 1) {
    $base_url = "https://www.clothing.com/search";
    $url = $base_url . "?q=" . urlencode($keyword) . "&page=" . $page;
    $html = get_html($url);
    if ($html) {
        return parse_html($html);
    }
    return [];
}

// 示例：根据关键词获取商品列表
$keyword = "连衣裙"; // 替换为实际关键词
$products = get_product_list($keyword);

foreach ($products as $product) {
    echo "商品名称: " . $product['title'] . "\n";
    echo "商品价格: " . $product['price'] . "\n";
    echo "商品链接: " . $product['link'] . "\n";
    echo "----------------------\n";
}

三、注意事项

（一）遵守平台规则

在编写爬虫时，必须严格遵守衣联网的使用协议，避免触发反爬机制。

（二）合理设置请求频率

避免过高的请求频率，以免对平台服务器造成压力。建议在请求之间添加适当的延时：

sleep(1); // 每次请求间隔1秒

（三）数据安全

妥善保管爬取的数据，避免泄露用户隐私和商业机密。

（四）处理异常情况

在爬虫代码中添加异常处理机制，确保在遇到错误时能够及时记录并处理。

try {
    $products = get_product_list($keyword);
    foreach ($products as $product) {
        echo "商品名称: " . $product['title'] . "\n";
        echo "商品价格: " . $product['price'] . "\n";
        echo "商品链接: " . $product['link'] . "\n";
        echo "----------------------\n";
    }
} catch (Exception $e) {
    echo "发生错误: " . $e->getMessage() . "\n";
}

四、总结

通过上述方法，可以快速利用PHP爬虫技术根据关键词获取衣联网商品列表。希望本文能为你提供有价值的参考，帮助你更好地利用爬虫技术获取电商平台数据。在开发过程中，务必注意遵守平台规则，合理设置请求频率，并妥善处理异常情况，以确保爬虫的稳定运行。