程式設計師還看帶廣告的小說？

有人習慣看小說，偶爾會看幾章，都是百度出來，但是基本都有特別煩人的廣告，要麼在整體div新增連結，誤觸就會跳轉到一些網站甚至是死迴圈，某些手機app也是廣告很多，所以無事在寫一個小程式免除廣告的煩擾

本文將使用php curl採集頁面simple_html_dom解析，實現真正的去除廣告。

隨便找一個小說網站找一本書，不過這個站點在手機端是特別坑的，就有上述問題：

就拿這本小說來開刀。（宣告：絕對不是推廣，侵刪）

一、了解curl的get方式

curl是一個命令列工具，通過指定的URL來上傳或下載資料，並將資料展示出來。curl中的c表示client，而URL，就是URL。

PHP中使用cURL可以實現Get和Post請求的方法

簡單的抓取小說僅需要get方法即可。

下面這個範例程式碼就是通過get請求獲取第一章小說頁面html的範例，只需要更改url引數即可。

初始化、設定選項、證書驗證、執行、關閉

<?php
header("Content-Type:text/html;charset=utf-8");
$url="https://www.7kzw.com/85/85445/27248636.html";
$ch = curl_init($url);   //初始化
//設定選項
curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);//獲取的資訊以字串返回,而不是直接輸出(必須) 
curl_setopt($ch,CURLOPT_TIMEOUT,10);//超時時間（必須）
curl_setopt($ch, CURLOPT_HEADER,0);// 	啟用時會將標頭檔案的資訊作為資料流輸出。 
//引數為1表示輸出資訊頭,為0表示不輸出
curl_setopt($ch,CURLOPT_SSL_VERIFYPEER,false); //不驗證證書
// 3.執行
$res = curl_exec($ch);
// 4.關閉
curl_close($ch);
print_r($res);
?>

注釋就特別詳細了，按照步驟，傳送curl的get請求，如果是post請求則需要多加一條設定post選項的設定，並且傳參，最後輸出獲得的資訊，執行結果如下，是沒有css渲染的。

二、解析頁面

輸出的頁面有很多不需要的內容，需要在所有內容中提取出我們需要的內容，比如標題和每章的內容，這時需要解析頁面。

解析頁面的方法也有很多，在這裡使用的是simple_html_dom，需要下載參照simple_html_dom.php這個類，範例物件，並呼叫內部的方法。具體方法可以到官網檢視，或者中文網其他文件。

先分析這個小說頁面的原始碼，看這章的標題和內容對應的元素

首先是標題:在類bookname下的h1下

然後是內容：在id為content的div下

simple_html_dom的可以使用find方法，類似jquery一樣使用選擇器查詢定位元素。如：

find('.bookname h1'); //查詢類bookname 下的h1標題元素

find('#content'); //查詢id為content的章節內容

程式碼在以上的基礎上新增：

include "simple_html_dom.php";
$html = new simple_html_dom();
@$html->load($res);
$h1 = $html->find('.bookname h1');
foreach ($h1 as $k=>$v) {
	$artic['title'] = $v->innertext;
}
// 查詢小說的具體內容
$divs = $html->find('#content');
foreach ($divs as $k=>$v) {
	$content = $v->innertext;
}
// 正則替換去除多餘部分
$pattern = "/(<p>.*?</p>)|(<div .*?>.*?</div>)/";
$artic['content'] = preg_replace($pattern,'',$content);
echo $artic['title'].'<br>';
echo $artic['content'];

使用以上的解析方法獲得的內容是陣列，使用foreach來獲得陣列內容，使用了正則替換將正文文字廣告去除，將標題和小說內容放到陣列內。最簡單的寫法就寫好了。執行結果如下：

當然這種寫法看著比較難受，可以自行封裝函數類。如下就是我自己寫好的程式碼範例了，當然肯定有不足的地方，但是可以作為參考擴充套件。

<?php 
include "simple_html_dom.php";
include "mySpClass.php";
header("Content-Type:text/html;charset=utf-8");
$get_html = get_html($_GET['n']);
$artic = getContent($get_html);
echo $artic['title'].'<br>';
echo $artic['content'];
/**
* 獲取www.7kzw.com 獲取每一章的頁面html
* @param type $num 第幾章,從第一開始(int)
* @return 返回字串  
*/
function get_html($num){
	$start = 27248636;
	$real_num = $num+$start-1;
	$url = 'https://www.7kzw.com/85/85445/'.$real_num.'.html';
	$header = [
	'User-Agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:70.0) Gecko/20100101 Firefox/70.0'
	]; 
	return mySpClass()->getCurl($url,$header);
}
/**
* 獲取www.7kzw.com小說標題陣列
* @param type $get_html 得到的每一章的頁面html
* @return 返回$artic陣列,['title'=>'','content'=>'']
*/
function getContent($get_html){
	$html = new simple_html_dom();
	@$html->load($get_html);
	$h1 = $html->find('.bookname h1');
	foreach ($h1 as $k=>$v) {
		$artic['title'] = $v->innertext;
	}
	// 查詢小說的具體內容
	$divs = $html->find('#content');
	foreach ($divs as $k=>$v) {
		$content = $v->innertext;
	}
	// 正則替換去除多餘部分
	$pattern = "/(<p>.*?</p>)|(<div .*?>.*?</div>)/";
	$artic['content'] = preg_replace($pattern,'',$content);
	return $artic;
}
?>

<?php
class mySpClass{
	//單例物件
    private static $ins = null;
    /**
     * 單例化物件
     */
    public static function exec()
    {
        if (self::$ins) {
            return self::$ins;
        }
        return self::$ins = new self();
    }
    
    /**
     * 禁止克隆物件
     */
    public function __clone()
    {
        throw new curlException('錯誤：不能克隆物件');
    }
	// 向伺服器傳送最簡單的get請求
	public static function getCurl($url,$header){
		// 1.初始化
		$ch = curl_init($url);   //請求的地址
		// 2.設定選項
		curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);//獲取的資訊以字串返回,而不是直接輸出(必須) 
		curl_setopt($ch,CURLOPT_TIMEOUT,10);//超時時間（必須）
		curl_setopt($ch, CURLOPT_HEADER,0);// 	啟用時會將標頭檔案的資訊作為資料流輸出。 
		//引數為1表示輸出資訊頭,為0表示不輸出
		curl_setopt($ch,CURLOPT_SSL_VERIFYPEER,false); //不驗證證書
		curl_setopt($ch,CURLOPT_SSL_VERIFYHOST,false); //不驗證證書
		if(!empty($header)){
			curl_setopt($ch,CURLOPT_HTTPHEADER,$header);//設定頭資訊
		}
		// 3.執行
		$res = curl_exec($ch);
		// 4.關閉
		curl_close($ch);
		return $res;
	}
}
//curl方法不存在就設定一個curl方法
if (!function_exists('mySpClass')) {
    function mySpClass() {
        return mySpClass::exec();
    }
}
?>

以上範例程式碼的最終執行結果：第幾章就輸入數位幾，通過$_GET['n']傳參

總結：

知識點：curl(tips：curl模組採集任意網頁php類)，正則，解析工具simple_html_dom

雖然寫法已經初步完善，但是最好能過部署的自己的伺服器才能有最好的效果，不然只能在電腦觀看，也不見得多方便，可能更願意忍忍廣告了。

以上就是使用php curl採集頁面並使用simple_html_dom解析的詳細內容，更多請關注TW511.COM其它相關文章！

以上就是程式設計師還看帶廣告的小說？的詳細內容，更多請關注TW511.COM其它相關文章！