使用PHP怎么對百度閱讀進行抓取-創(chuàng)新互聯

這篇文章將為大家詳細講解有關使用PHP怎么對百度閱讀進行抓取，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

成都創(chuàng)新互聯從2013年創(chuàng)立，是專業(yè)互聯網技術服務公司，擁有項目網站設計制作、做網站網站策劃，項目實施與項目整合能力。我們以讓每一個夢想脫穎而出為使命，1280元漣水做網站,已為上家服務,為漣水各地企業(yè)和個人服務,聯系電話:028-86922220

抓取方法如下

首先在瀏覽器里打開閱讀頁面，查看源代碼后發(fā)現小說的內容并不是直接寫在頁面里的，也就是說小說的內容是通過異步加載而來的。

于是將chrome的開發(fā)者工具切到network一欄，刷新閱讀頁面，主要關注的是XHR和script兩個分類下。

經過排查，發(fā)現在script分類下有個jsonp請求比較像是小說內容，請求的地址是

/tupian/20230522/49422a3769eae009581becba div等等，c屬性就是內容了，但也有兩種可能，一個是字符串，另一個是數組，數組的每個元素都是一個節(jié)點。

這種結構好解析了，用一個遞歸就搞定

最終代碼如下：

<?php
class BaiduYuedu {
 protected $bookId;
 protected $bookToken;
 protected $cookie;
 protected $result;
 public function __construct($bookId, $bookToken, $cookie){
  $this->bookId = $bookId;
  $this->bookToken = $bookToken;
  $this->cookie = $cookie;
 }
 public static function parseNode($node){
  $str = '';
  if(is_string($node['c'])){
   $str .= $node['c'];
  }else if(is_array($node['c'])){
   foreach($node['c'] as $d){
    $str .= self::parseNode($d);
   }
  }
  switch($node['t']){
   case 'h3':
    $str .= "\n\n";
    break;
   case 'br':
   case 'div':
   case 'p':
    $str .= "\n";
    break;
   case 'img':
   case 'span':
    break;
   case 'obj':
    $tmp = '(' . self::parseNode($node['data'][0]) . ')';
    $str .= str_replace("\n", '', $tmp);
    break;
   default:
    trigger_error('Unkown type:'.$node['t'], E_USER_WARNING);
    break;
  }
  return $str;
 }
 public function get($page = 1){
  echo "getting page {$page}...\n";
  $ch = curl_init();
  $url = sprintf('http://wenku.baidu.com/content/%s/?m=%s&type=json&cn=%d', $this->bookId, $this->token, $page);
  curl_setopt_array($ch, array(
   CURLOPT_URL   => $url,
   CURLOPT_RETURNTRANSFER => 1,
   CURLOPT_HEADER   => 0,
   CURLOPT_HTTPHEADER  => array('Cookie: '. $this->cookie)
  ));
  $ret = json_decode(curl_exec($ch), true);
  curl_close($ch);
  $str = '';
  if(!empty($ret)){
   $str .= self::parseNode($ret);
   $str .= $this->get($page + 1);
  }
  return $str;
 }
 public function start(){
  $this->result = $this->get();
 }
 public function getResult(){
  return $this->result;
 }
 public function saveTo($path){
  if(empty($this->result)){
   trigger_error('Result is empty', E_USER_ERROR);
   return;
  }
  file_put_contents($path, $this->result);
  echo "save to {$path}\n";
 }
}
//使用示例
$yuedu = new BaiduYuedu('49422a3769eae009581becba', '8ed1dedb240b11bf0731336eff95093f', '你的百度域cookie');
$yuedu->start();
$yuedu->saveTo('result.txt');

這個類前兩個參數可以從小說的介紹頁面獲得，第一個參數bookId就是url里ebook后面跟著的字符串，第二個參數bookToken在頁面源代碼搜索bdjsonUrl，m參數后面的那個字符串就是。

注：如果不傳入百度cookie或者百度cookie無效，則只能抓取免費閱讀部分，要抓完整的內容必須保證cookie可以正常使用。

關于使用PHP怎么對百度閱讀進行抓取就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

文章名稱：使用PHP怎么對百度閱讀進行抓取-創(chuàng)新互聯
瀏覽地址：http://muchs.cn/article48/hsehp.html

成都網站建設公司_創(chuàng)新互聯，為您提供定制開發(fā)、虛擬主機、Google、網站改版、網站制作、動態(tài)網站

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯