使用QueryList解析微信文章
背景：最近工作中需要做一个通过微信文章url抓取微信文章的功能，网页解析使用的是QueryList。将代码实现的逻辑记录一下。
具体实现代码如下：
/**
* @param $url 微信文章url
* @return bool
*/
function spideWx($url){
if(empty($url)) return false;
$_host = parse_url($url, PHP_URL_HOST); //获取主机名
if($_host !== "mp.weixin.qq.com") return false; //不是来自微信文章
$html = file_get_contents($url);
if(empty($html)) return false;
$html = str_replace("<!--headTrap<body></body><head></head><html></html>-->", "", $html); //去除微信干扰元素!!!否则乱码
preg_match("/var msg_cdn_url = ".*"/", $html, $matches); //获取微信封面图
$coverImgUrl = $matches[0];
$coverImgUrl = substr(explode("var msg_cdn_url = "", $coverImgUrl)[1], 0, -1);
$rules = array( //设置QueryList的解析规则
"content" => array("#js_content", "html"), //文章内容
"title" => array("#activity-name", "text"), //文章标题
"author"=> array(".rich_media_meta_text:eq(1)","text"), //作者
"account_name" => array("#js_profile_qrcode .profile_nickname","text"), //公众号
"account_en_name" => array("#js_profile_qrcode .profile_meta:eq(0) .profile_meta_value","text"), //公众号英文标识
);
//替换图片链接，解决微信图片防盗链
$_link = "http://read.html5.qq.com/image?src=forum&q=5&r=0&imgflag=7&imageUrl=";
$data = QueryList::Query($html,$rules)->getData(); //执行解析
$_res = $data[0]; //获取解析结果
if(empty($_res)) return false; //解析失败
$_res["thumb"] = $_link.$coverImgUrl; //封面图
$_res["title_crc"] = sprintf("%u", crc32($_res["title"])); //标题crc
$_res["url_crc"] = sprintf("%u", crc32($url)); //url-crc
$pattern = "/<img([^>]*)data-srcs*=s*([" "])([sS]*?)([^>]*)/"; //正则替换内容中的图片链接
$_res["content"] = preg_replace($pattern, "<img$1src=$2".$_link."$3$4", $_res["content"]);
return $_res;
}声明：该文观点仅代表作者本人，入门客AI创业平台信息发布平台仅提供信息存储空间服务，如有疑问请联系rumenke@qq.com。
- 上一篇： PHP抓取远程图片到本地保存
- 下一篇： 超实用的PHPExcel[导入][导出]实现方法总结
