Question

我是新手，正式报废两个网站。但是当我试图抓住动态加载网站时，问题出现了。当网站使用JavaScript呈现时，我无法抓取网站的内容。

有什么办法可以使用php curl或与PHP相关的任何其他客户端来抓取该网站的内容吗？

这是我到目前为止所做的：

＆＃13;

$link = "https://www.glassdoor.com/Job/jobs.htm?suggestCount=0&suggestChosen=false&clickSource=searchBtn&typedKeyword=android+developer&sc.keyword=android+developer&locT=N&locId=192&jobType=";

$ch = curl_init();
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($ch,CURLOPT_URL,$link);
curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US) AppleWebKit/525.13 (KHTML, like Gecko) Chrome/0.A.B.C Safari/525.13");
$data = curl_exec($ch);


$document = new DOMdocument();
libxml_use_internal_errors(true);
$document->loadHTML($data);
$elements = $document->getElementsByTagName("div");

foreach($elements as $element){
  	echo $element->nodeValue."<br>";;
}

＆＃13;

Answer 1

你需要无头浏览器，你可以使用PHP Wrapper PhantomJS ，这里是链接http://jonnnnyw.github.io/php-phantomjs/。这将解决您的问题。它具有以下功能：

通过PhantomJS无头浏览器加载网页
查看详细的回复数据，包括页面内容，标题，状态代码等。
处理重定向
查看javascript控制台错误

希望这有帮助。

使用php curl刮一个动态加载的网站

1 个答案: