検索

ホームページ  >  に質問  >  本文

php - 连续的分页采集问题

目标站点:http://news.xinhuanet.com/photo/2015-01/29/c_127433852.htm
获取内容:正文图片和文字说明;
本人实现方法:
因为分页地址是连续的,我是在目标地址上做循环

http://news.xinhuanet.com/photo/2015-01/29/c_127433852_2.htm

get_headers访问后 获取返回是否为200,是的话进行内容抓取
1、curl获取当前地址html后,截取所需内容
2、_2这个就是变量,自增后继续判断下一页是否可以访问,可以访问就继续采集

以上是可以实现采集抓取的,但是好像速度很慢,而且每次都是curl去抓取对服务器貌似也有压力

问题:如何改进,大家是如何用php做的抓取,求思路和方向

阿神阿神2897日前314

全員に返信(2)返信します

  • 大家讲道理

    大家讲道理2017-04-10 15:21:21

    下面不是有分页么,直接获取<p id="p_currpage"></p>里面的链接存到数组抓吧

    返事
    0
  • 阿神

    阿神2017-04-10 15:21:21

    1. 直接抓取,抓取返回结果的时候就先判断状态码是否为200
    2. Curl并发

    返事
    0
  • キャンセル返事