ThinkPHP 8.1抓取页面实战:QueryList库极速上手指南【教程】

阿婷小哥_1660

阿婷小哥_1660

2026-06-27

342人浏览

原创

在ThinkPHP 8.1中用QueryList实现网页抓取需四步闭环:安装依赖、注册服务提供者、封装命令行爬虫、处理分页与反爬;须配置超时、请求头、异常捕获及日志落盘。

thinkphp 8.1抓取页面实战:querylist库极速上手指南【教程】

要在ThinkPHP 8.1项目中快速实现网页内容抓取,必须绕过手动解析HTML、正则硬编码和HTTP客户端裸写这些低效方式——QueryList提供jQuery风格选择器+链式调用,3行代码就能提取标题列表,且天然兼容TP8.1的PSR-4自动加载与依赖注入机制。

安装QueryList并注册服务

在ThinkPHP 8.1根目录执行:composer require jaeger/querylist。这一步不能跳过,否则后续所有采集逻辑都会报Class not found错误。

进入app/provider.php,在return数组末尾添加一行:QL\QueryList::class,。该操作让QueryList类在容器中可被自动解析,避免每次都要use QL\QueryList再new实例。

【注意:不注册provider会导致命令行模式下QueryList无法通过容器获取,Web请求反而可能因自动加载侥幸成功,但定时任务必崩】

封装一个可复用的爬虫命令

执行php think make:command CrawlNews生成命令类。

打开app/command/CrawlNews.php,在execute()方法中写入:

第一步:初始化QueryList并设置基础参数
第二步:用get()请求目标URL,传入含User-Agent和timeout的配置数组
第三步:用find()配合CSS选择器定位标题元素,再用texts()批量提取纯文本
第四步:遍历结果,用Db::name('news')->insert()写入数据库

这四步构成最小可行闭环,缺一不可。其中第二步的timeout必须设为15以上,否则遇到慢响应网站会直接中断,连错误日志都来不及写。

btpanel phpsite 宝塔面板PHP网站
btpanel phpsite 宝塔面板PHP网站

宝塔面板 PHP 网站管理:站点创建、删除、启停、PHP 版本切换、域名管理、SSL证书管理、伪静态管理、数据库管理

下载

处理动态分页与反爬头

方法一:手动拼接URL分页参数
适用于目标站URL结构清晰,如https://xxx.com/list?page=1。只需用for循环递增$page变量,每次构造新URL调用QueryList::get()即可。

方法二:从上一页DOM中提取下一页链接
先find('.pagination .next a')->attr('href'),判断返回值是否为空;非空则递归调用自身,空则终止。此法适配前端JS渲染分页的站点,但要注意避免无限重定向陷阱——需加max_depth=5硬限制。

方法三:伪造完整浏览器请求头
必须包含User-Agent、Accept、Accept-Language三项,缺任意一项都可能触发Cloudflare拦截。示例值:"User-Agent" => "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"。

异常捕获与日志落盘

在采集循环内包裹try...catch,捕获Exception和Throwable两类错误。

对QueryList::get()失败的情况,记录url、http_code、error_message到runtime/log/crawl/下的日期文件,格式为Y-m-d。不写入数据库,防止日志写入失败导致整个采集流程卡死。

遇到429 Too Many Requests时,立即sleep(3)再重试一次,不要无脑循环重试——多数反爬系统3秒后即解除IP限流。

php免费学习视频:立即使用
踏上前端学习之旅,开启通往精通之路!从前端基础到项目实战,循序渐进,一步一个脚印,迈向巅峰!

相关文章

PHP速学教程(入门到精通)
PHP速学教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

thinkphp 爬虫 php

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

0

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

0

15

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

0

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

0

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

0

11

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

2026.11.17

0

16

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

2026.11.12

160

15

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.12

120

15

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

2026.11.12

100

15

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程