update README

This commit is contained in:
Jaeger 2017-09-29 00:36:02 +08:00
parent bd58352117
commit a8a438edbe

123
README.md
View File

@ -1,98 +1,37 @@
# QueryList简介 # QueryList V4 简介
*** `QueryList`是一套简洁、优雅的PHP采集工具基于phpQuery。
`QueryList`是一个基于`phpQuery`的通用列表采集类,是一个简单、 灵活、强大的采集工具,采集任何复杂的页面 基本上就一句话就能搞定了。
# QueryList 安装 ## 特性
通过`composer`安装: - 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 composer require jaeger/querylist:dev-master
``` ```
更多安装方法:[QueryList多种安装方式](https://doc.querylist.cc/site/index/doc/7)
# QueryList 使用
下面演示`QueryList`用一句代码采集百度搜索结果:
```php
//获取采集对象
$hj = QueryList::Query('http://www.baidu.com/s?wd=QueryList',array(
'title'=>array('h3','text'),
'link'=>array('h3>a','href')
));
//输出结果:二维关联数组
print_r($hj->data);
```
上面的代码实现的功能是采集百度搜索结果页面的所有搜索结果的`标题``链接`,然后分别以二维关联数组的格式输出。
采集结果:
```
Array
(
[0] => Array
(
[title] => QueryList|基于phpQuery的无比强大的PHP采集工具
[link] => http://www.baidu.com/link?url=IIsMhpzI2PylnmW8vPALcwIfJgHhKFu2SWXEj7yQ-6o7KStbLfmuoWGmalpx1xYE
)
[1] => Array
(
[title] => 介绍- QueryList指导文档
[link] => http://www.baidu.com/link?url=edktLqt6f9KwYJ6oip1EDXvwIXh-nHcFImVJeqRm56-VU3zIcqLRYeM83VyYQE_X
)
//省略....
)
```
## Query() 静态方法
返回值:`QueryList对象`
Query方法为`QueryList`唯一的主方法,用静态的方式调用。
**原型:**
> QueryList::Query($page,array $rules, $range = '', $outputEncoding = null, $inputEncoding = null,$removeHead = false)
**中文解释:**
```
QueryList::Query(采集的目标页面,采集规则[,区域选择器][,输出编码][,输入编码][,是否移除头部])
//采集规则
$rules = array(
'规则名' => array('jQuery选择器','要采集的属性'[,"标签过滤列表"][,"回调函数"]),
'规则名2' => array('jQuery选择器','要采集的属性'[,"标签过滤列表"][,"回调函数"]),
..........
[,"callback"=>"全局回调函数"]
);
//注:方括号括起来的参数可选
```
### 参数解释:
查看文档:http://doc.querylist.cc/site/index/doc/11
## QueryList 扩展
**Request 网络操作扩展**
可以实现如携带cookie、伪造来路等任意复杂的网络请求再也不用担心QueryList内置的抓取功能太弱了。
**Login 模拟登陆扩展**
可以实现模拟登陆然后采集。
**Multi 多线程插件**
多线程(多进程)采集扩展。
**DImage图片下载扩展**
可实现简单的图片下载需求。
扩展安装以及使用教程:[QueryList扩展文档](https://doc.querylist.cc/site/index/doc/19),获取更多扩展可以关注`QueryList`社区和交流群。
## 其它说明
1.`QueryList`内置的只是简单的源码抓取方法,遇到更复杂的抓取情况,如:需要登陆
身份验证 时请配合其它的PHP的HTTP工具(推荐使用[Guzzle](http://guzzle-cn.readthedocs.io/zh_CN/latest/))来使用通过将辅助的HTTP类抓取到的网页源码传给`QueryList`即可。
2.采集程序请在PHP命令行模式(PHP CLI)下运行。
3.`QueryList`依赖`phpQuery`,`phpQuery`项目主页:[phpQuery文档](https://code.google.com/p/phpquery/)
## 寻求帮助? ## 寻求帮助?
- QueryList交流社区: [http://querylist.cc/](http://querylist.cc/) - QueryList交流社区: [http://querylist.cc/](http://querylist.cc/)