phpQuery轻松采集网页内容

原文地址：phpQuery轻松采集网页内容作者：陌上花开

phpQuery是一个基于PHP的服务端开源项目，它可以让PHP开发人员轻松处理DOM文档内容，比如获取某新闻网站的头条信息。更有意思的是，它采用了jQuery的思想，你可以像使用jQuery一样处理页面内容，获取你想要的页面信息。

采集头条

先看一实例，现在我要采集新浪网国内新闻的头条，代码如下：

 

include 'phpQuery/phpQuery.php'; 

phpQuery::newDocumentFile('http://news.sina.com.cn/china'); 

echo pq(".blkTop h1:eq(0)")->html(); 

简单的三行代码，就可以获取头条内容。首先在程序中包含phpQuery.php核心程序，然后调用读取目标网页，最后输出对应标签下的内容。

pq()是一个功能强大的方法，跟jQuery的$()如出一辙，jQuery的选择器基本上都能使用在phpQuery上，只要把“.”变成“->”。如上例中，pq(".blkTop h1:eq(0)")抓取了页面class属性为blkTop的DIV元素，并找到该DIV内部的第一个h1标签，然后用html()方法获取h1标签里的内容（带html标签），也就是我们要获取的头条信息，如果使用text()方法，则只获取头条的文本内容。当然要使用好phpQuery，关键是要找对文档中对应内容的节点。

采集文章列表

下面再来看一个例子，获取helloweba.com网站的blog列表，请看代码：

 

include 'phpQuery/phpQuery.php'; 

phpQuery::newDocumentFile('http://www.helloweba.com/blog.html'); 

$artlist = pq(".blog_li"); 

foreach($artlist as $li){ 

   echo pq($li)->find('h2')->html().""; 

} 

通过循环列表中的DIV，找出文章标题并输出，就是这么简单。

解析XML文档

假设现在有一个这样的test.xml文档：