QueryList的出现让PHP做采集从未如此简单。得益于phpQuery，让使用QueryList几乎没有任何学习成本，只要会CSS3选择器就可以轻松使用QueryList了，和jQuery选择器用法完全通用，它让PHP做采集像jQuery选择元素一样简单。

初探

看看PHP用QueryList做采集到底有多简洁吧!

     array('jQuery选择器','要采集的属性'),    'image' => array('img','src')    ))->data;//打印结果print_r($data);//采集某页面所有的超链接//可以先手动获取要采集的页面源码$html = file_get_contents('http://cms.querylist.cc/google/list_1.html');//然后可以把页面源码或者HTML片段传给QueryList$data = QueryList::Query($html,array(    'link' => array('a','href')    ))->data;//打印结果print_r($data);/** * 在线测试采集并查看采集结果:http://querylist.cc/page-Querytest.html */

进阶

上面的采集结果有很多“杂质”，一定不会满足你的要求，来获取我们真正想要的结果。

     array('.post_content img','src')    ))->data;//打印结果print_r($data);//采集该页面文章列表中所有[文章]的超链接$data = QueryList::Query('http://cms.querylist.cc/google/list_1.html',array(    'link' => array('h2>a','href','',function($content){        //利用回调函数补全相对链接        $baseUrl = 'http://cms.querylist.cc';        return $baseUrl.$content;})),'.cate_list li')->data;//打印结果print_r($data);

全貌

正如你看到的那样，QueryList只有一个主要的方法Query，学会了使用Query方法也就意味着你已经熟练了QueryList！

     array('h1','text'),    //采集文章发布日期,这里用到了QueryList的过滤功能，过滤掉span标签和a标签    'date' => array('.pt_info','text','-span -a',function($content){        //用回调函数进一步过滤出日期        $arr = explode(' ',$content);        return $arr[0];    }),    //采集文章正文内容,利用过滤功能去掉文章中的超链接，但保留超链接的文字，并去掉版权、JS代码等无用信息    'content' => array('.post_content','html','a -.content_copyright -script',function($content){            //利用回调函数下载文章中的图片并替换图片路径为本地路径            //使用本例请确保当前目录下有image文件夹，并有写入权限            //由于QueryList是基于phpQuery的，所以可以随时随地使用phpQuery，当然在这里也可以使用正则或者其它方式达到同样的目的            $doc = phpQuery::newDocumentHTML($content);            $imgs = pq($doc)->find('img');            foreach ($imgs as $img) {                $src = 'http://cms.querylist.cc'.pq($img)->attr('src');                $localSrc = 'image/'.md5($src).'.jpg';                $stream = file_get_contents($src);                file_put_contents($localSrc,$stream);                pq($img)->attr('src',$localSrc);            }            return $doc->htmlOuter();    })    );$rang = '.content';$ql = QueryList::Query($page,$reg,$rang);$data = $ql->getData();//打印结果print_r($data);

扩展

QueryList的功能很单一，就是Query，但扩展让QueryList变得无限可能！

     'http://cms.querylist.cc/news/list_2.html',        'referrer'=>'http://cms.querylist.cc',        'method' => 'GET',        'params' => ['var1' => 'testvalue', 'var2' => 'somevalue'],        'user_agent'=>'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.8; rv:21.0) Gecko/20100101 Firefox/21.0',        'cookiePath' => './cookie.txt',        'timeout' =>'30'    ])->setQuery(['link' => ['h2>a','href','',function($content){    //利用回调函数补全相对链接    $baseUrl = 'http://cms.querylist.cc';    return $baseUrl.$content;}]],'.cate_list li')->getData(function($item){    return $item['link'];});//多线程扩展QueryList::run('Multi',[    'list' => $urls,    'curl' => [        'opt' => array(                    CURLOPT_SSL_VERIFYPEER => false,                    CURLOPT_SSL_VERIFYHOST => false,                    CURLOPT_FOLLOWLOCATION => true,                    CURLOPT_AUTOREFERER => true,                ),        //设置线程数        'maxThread' => 100,        //设置最大尝试数        'maxTry' => 3     ],    'success' => function($a){        //采集规则        $reg = array(            //采集文章标题            'title' => array('h1','text'),            //采集文章发布日期,这里用到了QueryList的过滤功能，过滤掉span标签和a标签            'date' => array('.pt_info','text','-span -a',function($content){                //用回调函数进一步过滤出日期                $arr = explode(' ',$content);                return $arr[0];            }),            //采集文章正文内容,利用过滤功能去掉文章中的超链接，但保留超链接的文字，并去掉版权、JS代码等无用信息            'content' => array('.post_content','html','a -.content_copyright -script',function($content){                    //利用回调函数下载文章中的图片并替换图片路径为本地路径                    //使用本例请确保当前目录下有image文件夹，并有写入权限                    //由于QueryList是基于phpQuery的，所以可以随时随地使用phpQuery，当然在这里也可以使用正则或者其它方式达到同样的目的                    $doc = phpQuery::newDocumentHTML($content);                    $imgs = pq($doc)->find('img');                    foreach ($imgs as $img) {                        $src = pq($img)->attr('src');                        $localSrc = 'image/'.md5($src).'.jpg';                        $stream = file_get_contents($src);                        file_put_contents($localSrc,$stream);                        pq($img)->attr('src',$localSrc);                    }                    return $doc->htmlOuter();            })            );        $rang = '.content';        $ql = QueryList::Query($a['content'],$reg,$rang);        $data = $ql->getData();        //打印结果，实际操作中这里应该做入数据库操作        print_r($data);    }]);