做了一个 PHP 爬虫系统,可视化操作只需要写规则即可采集大量数据 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
zorlan
V2EX    PHP

做了一个 PHP 爬虫系统,可视化操作只需要写规则即可采集大量数据

  •  
  •   zorlan 2019-02-19 20:10:53 +08:00 6115 次点击
    这是一个创建于 2481 天前的主题,其中的信息可能已经有所发展或是发生改变。

    https://github.com/zorlan/skycaiji

    用 tp5 写的 php 版本采集器,使用上和 cms 系统类似

    功能: 全自动定时定量采集

    支持正则表达式、xpath、json 匹配数据

    支持多级、多页、分页采集

    可以将数据发布到 cms 程序、据库、excel 文件等

    配合谷歌浏览器实现页面渲染功能

    图片本地化、ip 代理等等

    19 条回复    2019-03-15 12:56:48 +08:00
    glouhao
        1
    glouhao  
       2019-02-19 20:15:50 +08:00 via Android
    膜拜大佬
    DonnyChao
        2
    DonnyChao  
       2019-02-19 20:52:53 +08:00
    在 vps 上安装试了一下,挺好用的,感谢作者开源,学习一下,github 已 star。
    zqjilove
        3
    zqjilove  
       2019-02-19 21:07:23 +08:00
    早期用过一次,感觉体验很不好,至少和之前用过的一些采集工具比,感觉还是操作体验差一些。功能没问题。还是 DXC 用的爽,可惜现在也收费了
    zorlan
        4
    zorlan  
    OP
       2019-02-19 21:49:19 +08:00
    @DonnyChao 感谢,多多提问题
    zorlan
        5
    zorlan  
    OP
       2019-02-19 21:51:01 +08:00
    @zqjilove 历时一年多,现在已经更新到 2.0 版本了,体验上面怎么改进的好呢?还有你说的 dxc 是什么?
    d5n
        6
    d5n  
       2019-02-19 21:51:50 +08:00 via iPhone
    收藏
    vus520
        7
    vus520  
       2019-02-19 22:21:12 +08:00
    已经 600 个星星了
    lunatic5
        8
    lunatic5  
       2019-02-20 08:28:01 +08:00
    蓝天采集器,刚出来的时候用过,感觉很赞。。。不过好像在 v2 推过好几次了
    tdwj12580
        9
    tdwj12580  
       2019-02-20 10:11:48 +08:00
    可以的,我也收藏一下,以后有用再使用!
    dany813
        10
    dany813  
       2019-02-20 10:20:06 +08:00
    膜拜大佬
    bzj
        11
    bzj  
       2019-02-20 10:23:52 +08:00
    有没有演示站点
    pinerge
        12
    pinerge  
       2019-02-20 10:41:31 +08:00
    采集一般都是 cli 吧,fpm 采集不是特别友好,就算把 php.ini 中 max_execute_time 设为无限有时进程也会莫名其妙的挂掉
    zorlan
        13
    zorlan  
    OP
       2019-02-20 11:12:57 +08:00
    @lunatic5 嘿嘿,大半年前推过,你还记得
    zorlan
        14
    zorlan  
    OP
       2019-02-20 11:14:09 +08:00
    @pinerge 这个问题确实有,现在已经有很大提升了,具体的可以看看源码
    runningman
        15
    runningman  
       2019-02-20 21:06:01 +08:00 via iPhone
    关注一下 看看
    willywu001
        16
    willywu001  
       2019-02-28 14:57:38 +08:00
    cookie 怎么设置的?
    willywu001
        17
    willywu001  
       2019-02-28 14:58:12 +08:00
    @zorlan cookie 怎么设置呢,文档中没看到
    zorlan
        18
    zorlan  
    OP
       2019-02-28 21:16:38 +08:00
    @willywu001 任务》采集器设置》请求头信息 里面
    dwhzy
        19
    dwhzy  
       2019-03-15 12:56:48 +08:00
    mark 一下,好工具~
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     2516 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 26ms UTC 15:12 PVG 23:12 LAX 07:12 JFK 10:12
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86