手记

php爬虫实战(抓取美拍视频)

  1. 抓取页面

 地址:http://www.meipai.com/medias/hot

1234public function getContentByFilegetcontents($url) {        $content file_get_contents($url);        return $content;    }

然后我们会获取到整个页面的代码,接下来就是从代码中提取出视频的地址 标题 图片等关键信息

2.提取

  我们发现视频的主要代码集中在以下代码中


<li class="pr no-select loading  J_media_list_item" itemscope itemtype="http://schema.org/VideoObject">    <img src="http://mvimg1.meitudata.com/5733fe57ce7aa8996.jpg!thumb320" width="300" height="300" class="db pa pai" alt="手撕包菜。包菜撕片装洗净备用。热锅入油五花肉下锅煸炒出油,多余的油盛出。放酱油肉上色,盛出。之前的油倒锅内,放蒜辣椒炒香,下包菜继续翻炒,倒适量酱油老抽五香粉。再下之前炒好的五花肉翻炒,放适量盐,出锅前放鸡精淋入适量香醋即可非常香啊,超级下饭。喜欢的点赞奥#美食##家常菜#" itemprop="thumbnail">    <div id="w517161790" class="content-l-video content-l-media-wrap pr cp" data-id="517161790" data-video="http://mvvideo1.meitudata.com/5734040ae2dec950.mp4">        <div class="layer-black pa"></div>        <a hidefocus href="/media/517161790" target="_blank" class="content-l-p pa" title="手撕包菜。包菜撕片装洗净备用。热锅入油五花肉下锅煸炒出油,多余的油盛出。放酱油肉上色,盛出。之前的油倒锅内,放蒜辣椒炒香,下包菜继续翻炒,倒适量酱油老抽五香粉。再下之前炒好的五花肉翻炒,放适量盐,出锅前放鸡精淋入适量香醋即可非常香啊,超级下饭。喜欢的点赞奥#美食##家常菜#">            <meta itemprop="url" content="/media/517161790">            <i class="icon icon-item-play"></i>            <strong class="js-convert-emoji" itemprop="description">哈喇嘎子流成河</strong>        </a>    </div>    <div class="pr" itemscope itemtype="http://schema.org/AggregateRating">        <a hidefocus href="/user/62299474" class="dbl h48">            <img src="http://mvavatar2.meitudata.com/5731f6b7bbee979.jpg!thumb60" width="28" height="28" class="avatar m10" title="小优Lucky" alt="小优Lucky">        </a>        <p class="content-name  pa">            <a hidefocus href="/user/62299474" class="content-name-a js-convert-emoji" title="小优Lucky" itemprop="author">小优Lucky</a>        </p>        <div class="content-like pa" data-id="517161790">            <i class="icon icon-like"></i>            <span itemprop="ratingCount">3060</span>        </div>        <a hidefocus href="/media/517161790" data-sc="1" target="_blank" class="conten-command pa" data-id="517161790">            <i class="icon icon-command"></i>            <span itemprop="reviewCount">100</span>        </a>    </div></li>

通过正则匹配


 public function extracturl($page) {        $matches array();        $voide=array();        $mainurl="";        $list=array();        $j=0;        $pat "/<li class=\"pr no-select loading  J_media_list_item\".*?>.*?<\/li>/ism";         preg_match_all($pat$page$matches, PREG_PATTERN_ORDER);        for ($i=0; $i <count($matches[0]) ; $i++) {             $pat1 ="/data-video=\"(.*?)\"/ism";            preg_match_all($pat1$matches[0][$i], $voide, PREG_PATTERN_ORDER);             $myvoide=$voide[1][0];            $pat2 ="/src=\"(.*?)\"/ism";            preg_match_all($pat2$matches[0][$i], $img, PREG_PATTERN_ORDER);            $myimg=$img[1][0];             $pat3 ="/<strong class=\"js-convert-emoji\".*?>(.*?)<\/strong>/ism";            preg_match_all($pat3$matches[0][$i], $title, PREG_PATTERN_ORDER);            $mytitle$title[1][0];            $list[$j++]=array(                'voide'=>$myvoide,                'title'=>$mytitle,                'img'=>$myimg);                     }         return $list;    }}

全部代码


<?phpclass Cutecrawler {     public function getContentByFilegetcontents($url) {        $content file_get_contents($url);        return $content;    }        public function extracturl($page) {        $matches array();        $voide=array();        $mainurl="";        $list=array();        $j=0;        $pat "/<li class=\"pr no-select loading  J_media_list_item\".*?>.*?<\/li>/ism";         preg_match_all($pat$page$matches, PREG_PATTERN_ORDER);        for ($i=0; $i <count($matches[0]) ; $i++) {             $pat1 ="/data-video=\"(.*?)\"/ism";            preg_match_all($pat1$matches[0][$i], $voide, PREG_PATTERN_ORDER);             $myvoide=$voide[1][0];            $pat2 ="/src=\"(.*?)\"/ism";            preg_match_all($pat2$matches[0][$i], $img, PREG_PATTERN_ORDER);            $myimg=$img[1][0];             $pat3 ="/<strong class=\"js-convert-emoji\".*?>(.*?)<\/strong>/ism";            preg_match_all($pat3$matches[0][$i], $title, PREG_PATTERN_ORDER);            $mytitle$title[1][0];            $list[$j++]=array(                'voide'=>$myvoide,                'title'=>$mytitle,                'img'=>$myimg);                     }         return $list;    }} $url "http://www.meipai.com/medias/hot";    $crawler new Cutecrawler();    $content $crawler->getContentByFilegetcontents($url);    $c=$crawler->extracturl($content); var_dump($c);?>

最后结果:


array(24) {  [0]=>  array(3) {    ["voide"]=>    string(51) "http://mvvideo2.meitudata.com/5737fd5caeb838981.mp4"    ["title"]=>    string(27) "老师那些年常说的话"    ["img"]=>    string(58) "http://mvimg4.meitudata.com/57384337bd8b59410.jpg!thumb320"  }  [1]=>  array(3) {    ["voide"]=>    string(50) "http://mvvideo2.meitudata.com/5737fceabf873602.mp4"    ["title"]=>    string(21) "女友突然冷落你"    ["img"]=>    string(58) "http://mvimg2.meitudata.com/5736d25d0aa5d8991.jpg!thumb320"  }  [2]=>  array(3) {    ["voide"]=>    string(51) "http://mvvideo2.meitudata.com/5737f300131e18596.mp4"    ["title"]=>    string(27) "女明星之间的内心戏"    ["img"]=>    string(58) "http://mvimg1.meitudata.com/5737059ad66e16795.jpg!thumb320"  }  [3]=>  array(3) {    ["voide"]=>    string(51) "http://mvvideo2.meitudata.com/5737eb9d0bfc92046.mp4"    ["title"]=>    string(24) "真替老师感到悲剧"    ["img"]=>    string(57) "http://mvimg3.meitudata.com/5737ebf503431343.jpg!thumb320"  }

接下来。。。你可以存入数据库

0人推荐
随时随地看视频
慕课网APP