采集淘宝或天猫商品的店铺名称/商家旺旺/商品首图/商品标题
一 用的QueryList库
二 安装方法
确认已经安装了composer,因为速度会很慢,可以切换到中国镜像:
composer config -g repo.packagist composer https://packagist.phpcomposer.com
安装QueryList:
composer require jaeger/querylist
QueryList文档地址,可以了解下:
三 需求如下
通过淘宝或天猫的商品链接,采集该商品链接对应的商品标题、商品首图、店铺名称、商家旺旺名称
四 目前的采集数据Demo可以适用于所有天猫商品+店铺名称在右边或上边的
五 代码如下
<?php include "vendor/autoload.php"; use QL\QueryList; function uni_decode($s) { //针对部分淘宝宝贝链接的店铺名被加密进行解密处理 preg_match_all('/\&\#([0-9]{2,5})\;/', $s, $html_uni); preg_match_all('/[\\\%]u([0-9a-f]{4})/ie', $s, $js_uni); $source = array_merge($html_uni[0], $js_uni[0]); $js = array(); for($i=0;$i<count($js_uni[1]);$i++) { $js[] = hexdec($js_uni[1][$i]); } $utf8 = array_merge($html_uni[1], $js); $code = $s; for($j=0;$j<count($utf8);$j++) { $code = str_replace($source[$j], unicode2utf8($utf8[$j]), $code); } return $code; } function unicode2utf8($c) { $str=""; if ($c < 0x80) { $str.=chr($c); } else if ($c < 0x800) { $str.=chr(0xc0 | $c>>6); $str.=chr(0x80 | $c & 0x3f); } else if ($c < 0x10000) { $str.=chr(0xe0 | $c>>12); $str.=chr(0x80 | $c>>6 & 0x3f); $str.=chr(0x80 | $c & 0x3f); } else if ($c < 0x200000) { $str.=chr(0xf0 | $c>>18); $str.=chr(0x80 | $c>>12 & 0x3f); $str.=chr(0x80 | $c>>6 & 0x3f); $str.=chr(0x80 | $c & 0x3f); } return $str; } function get_between($input, $start, $end) {//截取指定两个字符之间的内容 return substr($input, strlen($start)+strpos($input, $start),(strlen($input) - strpos($input, $end))*(-1)); } function trimall($str)//删除空格 { $qian=array(" "," ","\t","\n","\r"); $hou=array("","","","",""); return str_replace($qian,$hou,$str); } $url = 'https://item.taobao.com/item.htm?spm=a230r.1.14.34.47cd6ace3iAnm0&id=564043247193&ns=1&abbucket=19#detail'; $ql = QueryList::get($url)->encoding('UTF-8','GBK');//防止数据乱码 //针对1天猫宝贝链接 2淘宝店铺名在右边 3淘宝店铺名在上面 采取不同的采集方式 if (substr($url, 0, 24) == 'https://detail.tmall.com') { $rt = [ 'img' => $ql->find('#J_ImgBooth')->attr('src'), 'title' => $ql->find(':input[name="title"]')->attr('value'), 'shop_name' => $ql->find('.slogo-shopname')->text() ]; $rt['seller_name'] = $rt['shop_name']; } else { $rt = [ 'img' => $ql->find('#J_ImgBooth')->attr('src'), 'title' => $ql->find('.tb-main-title')->text(), 'shop_name' => $ql->find('.tb-shop-name>dl>dd>strong>a')->text(), 'seller_name' => $ql->find('.tb-seller-name')->text() ]; if (!$rt['shop_name']) { $config = substr(trimall($ql->find('script')->eq(0)->text()), 100, 150); $shop_name = get_between($config, "shopName:'", "',sellerId"); $rt['shop_name'] = uni_decode($shop_name); $rt['seller_name'] = get_between($config, "sellerNick:'", "',sibUrl"); } } var_dump($rt['shop_name']); echo '<hr />'; ?> <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>爬取淘宝商品数据Demo</title> </head> <body> <h4>标题:<?php echo $rt['title']; ?></h4> <h4>店铺:<?php echo $rt['shop_name']; ?></h4> <h4>旺旺:<?php echo $rt['seller_name']; ?></h4> <h4>图片:</h4> <img src="<?php echo $rt['img'] ?>" alt=""> </body> </html>
六 效果展示
1 天猫商品链接
采集效果:
2 店铺名称在右边的淘宝商品链接
采集效果:
3 店铺名称在上方的商品链接(这个稍微有些麻烦,因为这种类型的商家旺旺和店铺名都是在js中的,而且店铺名称还是加过密的)
采集效果:
7 最近项目中刚好有这个需求,所以写的这个Demo,如果需要采集其它的数据,可以参考QueryList手册,根据实际产品业务需求进行更改