使用PHP抓取微博数据

实现目标

    1. 用户发布的微博内容;
    2. 用户发布的时间;
    3. 用户的名称; (这里我并没有获取)

使用的工具

    1. voku/simple_html_dom  x-path读取工具 (如果不知道怎么获取元素的xpath, 请百度这里不做赘述~)
    安装: composer require voku/simple_html_dom

实现的原理

当你去直接用file_get_contents去抓取微博的网页内容时, 你会被它的访客系统直接拦截, 所以直接用这个方法是不行的;
所以我采用了curl来获取. 当然,直接获取也是不行的, 所以我们要设置一下请求头, 微博对爬虫类的请求头是不会拒绝的, 
所以你可以直接抓取到网页;
请求头设置如下:     
    'User-Agent: spider'

代码如下:

    // 通过这段代码你可以直接获取到微博的(HTML)网页
    public function curlGetWbData()
    {
        // 设置脚本超时时间
        set_time_limit(60);
        // 拉取微博地址
        $getWbUrl = "https://weibo.com/p/1005056447467552/home?profile_ftype=1&is_all=1#_0";
        // 设置curl 请求头
        $header = [
            'User-Agent: spider'
        ];

        $ch = curl_init();                                              // 初始化curl
        curl_setopt($ch, CURLOPT_URL, $getWbUrl);
        curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);    // 禁止 cURL 验证对等证书
        curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, false);
        curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
        curl_setopt($ch, CURLOPT_HTTPHEADER, $header);            // 设置请求头
        $wbContent = curl_exec($ch);

        curl_close($ch);
        
        // 到这里我们就拿到了微博的网页
        return $wbContent;
    }  

拿到微博的网页内容之后, 我们就要对立面的数据进行提取, 因为并不是所有的数据我们都需要;
这里我们提取 微博内容 微博发布的时间; 现在需要使用x-path来进行提取;
x-path示例:

div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_like ']

代码如下:

// 这个方法是
public static function actionAddWbData(string $wbContent, string $userID)
{
    $htmlDeal = new HtmlDomParser();    // 处理DOM的对象
    $htmlDeal->load($wbContent);        // 装载文本
    // 微博VIP和普通用户的class名不一致
    $wbHtml['normal'] = $htmlDeal->find("div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_like ']");
    $wbHtml['vip']    = $htmlDeal->find("div[class='WB_cardwrap WB_feed_type S_bg2 WB_feed_vipcover WB_feed_like ']");

    $wbNum = [];

    foreach ($wbHtml as $item => $key) {
        if (count($key) <= 0) {
            continue;
        }

        $wbNum[$userID][$item] = self::dealWbContent($key, $userID);
    }

    Yii::info("抓取微博日志记录" . '----' . json_encode($wbNum));
    return $wbNum;
}