1 Star 0 Fork 0

小乐 / zhihuCrawler

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
克隆/下载
贡献代码
同步代码
取消
提示: 由于 Git 不支持空文件夾,创建文件夹后会生成空的 .keep 文件
Loading...
README
MIT

知乎爬虫


需求

  • php >= 5.3
  • swoole 扩展

思路

首先是通过一个主文件传入操作类型,然后从配置文件里拿配置信息。

先拉取用户名,然后通过这个信息拉取用户详细信息。

用户名获取

这是第一个表的内容

先在数据库写三五个种子用户名,然后通过数据库拿到这几个种子用户名,放入redis的链表结构中,

然后对redis的数据一个一个进行循环,每个用户名被拼接成url,随后curl就可以运行起来了。

获取到的页面信息传给分析器进行正则判断处理,随后发送回去。然后控制器把他们存入数据库。

当redis里的数据用完了就再从数据库拿数据。这时候数据库中就有上一轮存入的数据了。

如此循环,直到达到配置文件中要求。

问题

性能问题

性能问题大大的。只是服务器不太好。不敢上多线程了。

编码问题

我对于算法不算很懂,不过好歹知道一些性能问题,能在内存里运行的运算就放内存里了。

之前学了一些设计模式,用起来简直不要太爽!

解决方案

跑在了阿里云的学生机上,好棒

Todo

  • 解耦
  • 日志
  • 更好的错误处理

Usage

  1. 你首先需要拉取代码:
https://github.com/AnnatarHe/zhihuCrawler.git
  1. 运行Database里面的数据库创建的一些东西

  2. 运行index.php

php index.php&
  1. 不出意外的话。。。速度较慢:flushed:

配置

在index.php里有一个常量定义:

define(DEBUG, true);

真正跑数据的时候关掉,就好了

app\Config\里面有一些配置项,需要可以用

The MIT License (MIT) Copyright (c) 2015 hele Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

简介

暂无描述 展开 收起
PHP
MIT
取消

发行版

暂无发行版

贡献者

全部

近期动态

加载更多
不能加载更多了
PHP
1
https://gitee.com/dy7338/zhihuCrawler.git
git@gitee.com:dy7338/zhihuCrawler.git
dy7338
zhihuCrawler
zhihuCrawler
master

搜索帮助