小弟的公司需要我去研究爬虫，但是网上的资料太过零散，买了一本《 WEBBOTS 、 SPIDERS 和 SCREEN SCRAPERS 技术解析与应用实践》,也从官网下载了这本书的一些 demo ，但是不知道是什么原因，一些代码运行不起来，也没有报错，也因为是中文版，所以翻译的一些地方看的不是很明白，请大神们帮忙推荐几本最好是 php 的书，小弟不会 python ，还请各位大神帮忙 推荐一些纯 PHP ，或者 php+python 入门的这些爬虫书籍，谢谢
This topic created in 3989 days ago, the information mentioned may be changed or developed.
 |
knightdfDec 7, 2015
1
这还需要买书？
|
 |
ihipopDec 7, 2015
2
|
 |
ryd994Dec 7, 2015 via Android
3
没见过 PHP+Python 的组合
PHP 做爬虫合适么？ |
2 |
7
php 的话 你可以去看下 phpquery
|
 |
iyaozhenDec 7, 2015
8
@ryd994 额，我感觉 curl 很方便的，什么事都能干。还请指教。
当然我没做过大规模的爬虫。而且受环境限制 Python 只用过 urllib 、 urllib2 ，感觉不是很方便。 |
|
iyaozhenDec 7, 2015
9
@Moker 这东西很好，另外强烈推荐： https://github.com/bupt1987/html-parser
|
 |
10
PHP 并不是最适合写爬虫工具的语言。一定要用的话，推荐这本书 《 PHP Web Scraping 》。不过我觉得你迟早会回过头来找 python 的 beautifulsoup ，以及 javascript 的 phantomjs 的
|
 |
11
@matsuijurina 谢谢，我看到了这本书，但是只找到了英文版，我的英语水平勉勉强强，看这种书，会很难理解，有中文版吗
|
|
12
@knightdf 菜鸟一枚，之前都没有弄过这些东西，还希望能够多多指教
|
 |
zjyExcelsiorDec 7, 2015
14
大神们一般会告诉你 -> 用 Python
|
 |
jiehuangweiDec 7, 2015
15
用ＰＨＰ写也还行，看个人的熟练程度了，大型的爬虫系统不局限于开发语言，而在于架构，通常说的爬虫大部分是抓取网页内容而已，用什么语言关系不是太大
|
 |
lydhrDec 7, 2015
16
scrapy
|
|
17
@lydhr 这是什么东西
|
|
18
@jiehuangwei 就是因为不会啊，烦透了，买了一本书，里面有的 demo 不知道什么鬼
|
|
19
@theKingOfTerrors 一个 framework ，教程很详细的[link]( http://scrapy.org/)
|
 |
xiasixDec 7, 2015
20
curl 多线程+phpquery 研究透了 做爬虫没问题
|
|
21
@lydhr 嗯， thanks
|
|
22
@xiasix 麻烦问一下，您手里有没有资料，这样能给我省一些时间，谢谢
|
 |
yytsjqDec 7, 2015
24
PHP 命令行模式 + Simple HTML DOM Parser
|
|
ryd994Dec 7, 2015
25
|
 |
xiaoyu9527Dec 7, 2015
26
我也没找到 python 的爬虫教程(或者没找到比较完善的,感觉都是一部分一部分的教）
|
 |
HentaiMewDec 7, 2015
27
那些说爬虫简单的... 其实你们在写“轮循 HTTP 请求”，不能算爬虫。
|
|
knightdfDec 7, 2015
28
@theKingOfTerrors 你就想着如何模拟人去浏览网页就行了
|
 |
ohmycodeapeDec 7, 2015
29
找个美女图片的网站练手,动力满满
|
 |
TaMudDec 7, 2015
30
PHP -> CURL + PHPQUERY
BAIDU -> PHP CURL 多线程 url -> http://blog.phpdr.net/curl%E5%A4%9A%E7%BA%BF%E7%A8%8B.html |
 |
31
推荐一个封装 curl 的库
https://github.com/rmccue/Requests 处理 html 的话就是 phpquery 了 php 做爬虫的话,主要是多进程没有好用的库,多线程倒是有 pthreads,其它像解析 js 可以用 phantomjs,验证码可以接打码平台或者写个小 python 脚本来处理...反正都能东拼西凑玩得不错 其实最主要的还是要看你公司是需要怎么样的爬虫,比如是否定向站点爬取啊,爬取目标是否有反爬手段啊,爬取目标数据量级啊,这些都确定下来才好下一步的讨论 |
 |
lenranDec 8, 2015
35
你需要{
"PHP 爬虫库 1":"PHPCrawl", "PHP 爬虫库 2":"Goutte", "PHP_robot1":"Web Spider", "PHP_robot2":"Snoopy", "PHP_robot3":"PhpDig", } |
 |
libookDec 8, 2015
36
如果只是想快速开发爬虫的话就用第三方库吧，楼上的大牛们都列出来了；如果你对做爬虫感兴趣的话可以看看那些开源库的源代码，对理解 HTTP 协议和前端技术有很大帮助。最后建议学的时候着重理解思想，因为思想在任何一个语言下都可以用的。另外有一个小窍门，就是如果你想找某一功能的代码或类库直接去 github 上搜索相关关键字就可以了，有的时候会有意外惊喜。
:-p s. 你确定不学学 python ？ python 的爬虫技术可是出了名的强大和成熟。 :-p :-p s. 好吧，我本人也不怎么用 python ，我都是用 nodejs 的，只是因为可以直接实例化成 Document Object 像在浏览器里操作那样直接用 js 操作，另外也可以在 node 中直接用 jquery ，处理 DOM 很方便。 |
|
37
@libook 我也想学 python ，但是时间问题，我现在只能用他们说的第三方库来做，我用了我买的那本书提供的代码，然后改了一些网站参数什么的，就无法运行，给那个美国作者发邮件，估计他也看不到
|
 |
killervDec 8, 2015
38
php 做爬虫不合适，建议 python
|
|
39
@killerv 我知道 php 做爬虫不合适，但是再去学 python ，花费的时间比较长，倒不是怕花费时间，毕竟是老板吩咐的，时间长了些不合适
|
|
TaMudDec 8, 2015
40
不要 python 了，直接上 golang
|
|
libookDec 8, 2015
41
@theKingOfTerrors 如果用的库并不冷门的话其实是可以在 Stack Overflow 上搜到答案的，没有的话也可以自己在 Stack Overflow 上提问，类似于国内的 CSDN 问答，好多开发者都会在 Stack Overflow 上关注自己参与开发的项目的相关问题的，实在不行，如果所用的库是在 github 上的可以直接提交 issue 提问。
如果你只是快速写一个程序用个一两次的话是没什么问题了，如果把爬虫产品化的话还是学学爬虫领域的尖端技术吧，毕竟爬虫程序对效率要求挺高的。 |
 |
dowernDec 8, 2015
42
Curl + PhpQuery + Swoole
|
 |
djunnyDec 8, 2015
43
|
|
44
@djunny ok,好的， thanks
|
Select Language