规范命名
This commit is contained in:
JAE
parent
8bc6607acd
commit
3b7078a1ac
@ -1,5 +1,5 @@
|
||||
<?php
|
||||
/**
|
||||
/**
|
||||
* QueryList
|
||||
*
|
||||
* 一个基于phpQuery的通用列表采集类
|
||||
@ -7,89 +7,71 @@
|
||||
* @author Jaeger
|
||||
* @email 734708094@qq.com
|
||||
* @link http://git.oschina.net/jae/QueryList
|
||||
* @version 1.6.0
|
||||
* @version 1.6.1
|
||||
*/
|
||||
require('phpQuery/phpQuery.php');
|
||||
class QueryList{
|
||||
|
||||
require 'phpQuery/phpQuery.php';
|
||||
class QueryList
|
||||
{
|
||||
private $pageURL;
|
||||
private $regArr = array();
|
||||
public $jsonArr = array();
|
||||
private $regArr;
|
||||
public $jsonArr;
|
||||
private $regRange;
|
||||
private $html;
|
||||
private $output_encoding;
|
||||
private $html_encoding;
|
||||
private $outputEncoding;
|
||||
private $htmlEncoding;
|
||||
/**
|
||||
* 构造函数
|
||||
* @param string $page 要抓取的网页URL地址(支持https);或者是html源代码
|
||||
* @param array $regArr 【选择器数组】说明：格式array("名称"=>array("选择器","类型"),.......),【类型】说明：值 "text" ,"html" ,"属性"
|
||||
* @param string $regRange 【块选择器】：指 先按照规则 选出 几个大块 ，然后再分别再在块里面 进行相关的选择
|
||||
* @param string $getHtmlWay 【源码获取方式】指是通过curl抓取源码，还是通过file_get_contents抓取源码
|
||||
* @param string $output_encoding【输出编码格式】指要以什么编码输出(UTF-8,GB2312,.....)，防止出现乱码,如果设置为 假值 则不改变原字符串编码
|
||||
* @param string $outputEncoding【输出编码格式】指要以什么编码输出(UTF-8,GB2312,.....)，防止出现乱码,如果设置为 假值 则不改变原字符串编码
|
||||
*/
|
||||
public function QueryList($page,$regArr,$regRange='',$getHtmlWay="curl",$output_encoding=false)
|
||||
{
|
||||
|
||||
$this->output_encoding = $output_encoding;
|
||||
if($this->isURL($page))
|
||||
public function __construct($page, $regArr, $regRange = '', $getHtmlWay = 'curl', $outputEncoding = false)
|
||||
{
|
||||
$this->outputEncoding = $outputEncoding;
|
||||
if ($this->_isURL($page)) {
|
||||
$this->pageURL = $page;
|
||||
if($getHtmlWay=="curl")
|
||||
{
|
||||
if ($getHtmlWay == 'curl') {
|
||||
//为了能获取https://
|
||||
$ch = curl_init();
|
||||
curl_setopt($ch, CURLOPT_URL,$this->pageURL);
|
||||
curl_setopt($ch, CURLOPT_URL, $this->pageURL);
|
||||
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
|
||||
curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);
|
||||
curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
|
||||
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
|
||||
$this->html = curl_exec($ch);
|
||||
curl_close($ch);
|
||||
}else{
|
||||
$this->html=file_get_contents($this->pageURL);
|
||||
} else {
|
||||
$this->html = file_get_contents($this->pageURL);
|
||||
}
|
||||
}else{
|
||||
} else {
|
||||
$this->html = $page;
|
||||
}
|
||||
|
||||
//获取编码格式
|
||||
$this->html_encoding = $this->get_encode($this->html);
|
||||
|
||||
|
||||
if(!empty($regArr))
|
||||
{
|
||||
|
||||
$this->htmlEncoding = $this->_getEncode($this->html);
|
||||
if (!empty($regArr)) {
|
||||
$this->regArr = $regArr;
|
||||
$this->regRange = $regRange;
|
||||
$this->getList();
|
||||
$this->_getList();
|
||||
}
|
||||
|
||||
}
|
||||
public function setQuery($regArr,$regRange='')
|
||||
public function setQuery($regArr, $regRange = '')
|
||||
{
|
||||
$this->jsonArr=array();
|
||||
$this->jsonArr = array();
|
||||
$this->regArr = $regArr;
|
||||
$this->regRange = $regRange;
|
||||
$this->getList();
|
||||
$this->_getList();
|
||||
}
|
||||
private function getList()
|
||||
private function _getList()
|
||||
{
|
||||
|
||||
$hobj = phpQuery::newDocumentHTML($this->html);
|
||||
|
||||
if(!empty($this->regRange))
|
||||
{
|
||||
if (!empty($this->regRange)) {
|
||||
$robj = pq($hobj)->find($this->regRange);
|
||||
|
||||
$i=0;
|
||||
foreach($robj as $item)
|
||||
{
|
||||
|
||||
while(list($key,$reg_value)=each($this->regArr))
|
||||
{
|
||||
$i = 0;
|
||||
foreach ($robj as $item) {
|
||||
while (list($key, $reg_value) = each($this->regArr)) {
|
||||
$iobj = pq($item)->find($reg_value[0]);
|
||||
|
||||
switch($reg_value[1])
|
||||
{
|
||||
switch ($reg_value[1]) {
|
||||
case 'text':
|
||||
$this->jsonArr[$i][$key] = trim(pq($iobj)->text());
|
||||
break;
|
||||
@ -99,26 +81,18 @@
|
||||
default:
|
||||
$this->jsonArr[$i][$key] = pq($iobj)->attr($reg_value[1]);
|
||||
break;
|
||||
|
||||
}
|
||||
}
|
||||
//重置数组指针
|
||||
reset($this->regArr);
|
||||
$i++;
|
||||
}
|
||||
}
|
||||
else
|
||||
{
|
||||
while(list($key,$reg_value)=each($this->regArr))
|
||||
{
|
||||
} else {
|
||||
while (list($key, $reg_value) = each($this->regArr)) {
|
||||
$lobj = pq($hobj)->find($reg_value[0]);
|
||||
|
||||
|
||||
$i=0;
|
||||
foreach($lobj as $item)
|
||||
{
|
||||
switch($reg_value[1])
|
||||
{
|
||||
$i = 0;
|
||||
foreach ($lobj as $item) {
|
||||
switch ($reg_value[1]) {
|
||||
case 'text':
|
||||
$this->jsonArr[$i++][$key] = trim(pq($item)->text());
|
||||
break;
|
||||
@ -128,19 +102,13 @@
|
||||
default:
|
||||
$this->jsonArr[$i++][$key] = pq($item)->attr($reg_value[1]);
|
||||
break;
|
||||
|
||||
}
|
||||
|
||||
|
||||
}
|
||||
|
||||
|
||||
}
|
||||
}
|
||||
if($this->output_encoding)
|
||||
{
|
||||
}
|
||||
}
|
||||
if ($this->outputEncoding) {
|
||||
//编码转换
|
||||
$this->jsonArr = $this->array_convert_encoding($this->jsonArr,$this->output_encoding,$this->html_encoding);
|
||||
$this->jsonArr = $this->_arrayConvertEncoding($this->jsonArr, $this->outputEncoding, $this->htmlEncoding);
|
||||
}
|
||||
}
|
||||
public function getJSON()
|
||||
@ -152,24 +120,27 @@
|
||||
* @param $string
|
||||
* @return string
|
||||
*/
|
||||
private function get_encode($string){
|
||||
return mb_detect_encoding($string, array('ASCII','GB2312','GBK','UTF-8'));
|
||||
private function _getEncode($string)
|
||||
{
|
||||
return mb_detect_encoding($string, array('ASCII', 'GB2312', 'GBK', 'UTF-8'));
|
||||
}
|
||||
/**
|
||||
* 递归转换数组值得编码格式
|
||||
* @param array $arr
|
||||
* @param string $to_encoding
|
||||
* @param string $from_encoding
|
||||
* @param string $toEncoding
|
||||
* @param string $fromEncoding
|
||||
* @return array
|
||||
*/
|
||||
private function array_convert_encoding($arr,$to_encoding,$from_encoding)
|
||||
private function _arrayConvertEncoding($arr, $toEncoding, $fromEncoding)
|
||||
{
|
||||
if(!is_array($arr))return $arr;
|
||||
if (!is_array($arr)) {
|
||||
return $arr;
|
||||
}
|
||||
foreach ($arr as $key => $value) {
|
||||
if (is_array($value)) {
|
||||
$arr[$key] = $this->array_convert_encoding($value,$to_encoding,$from_encoding);
|
||||
}else{
|
||||
$arr[$key] = mb_convert_encoding($value, $to_encoding,$from_encoding);
|
||||
$arr[$key] = $this->_arrayConvertEncoding($value, $toEncoding, $fromEncoding);
|
||||
} else {
|
||||
$arr[$key] = mb_convert_encoding($value, $toEncoding, $fromEncoding);
|
||||
}
|
||||
}
|
||||
return $arr;
|
||||
@ -179,13 +150,11 @@
|
||||
* @param string $str
|
||||
* @return boolean
|
||||
*/
|
||||
private function isURL($str)
|
||||
{
|
||||
if(preg_match('/^http(s)?:\/\/.+/', $str))
|
||||
private function _isURL($str)
|
||||
{
|
||||
if (preg_match('/^http(s)?:\\/\\/.+/', $str)) {
|
||||
return true;
|
||||
}
|
||||
return false;
|
||||
}
|
||||
|
||||
}
|
||||
Loading…
x
Reference in New Issue
Block a user