使用php curl抓取动态加载网站

Question

我是新刮和已经正式报废了两个网站。但当我试图抓取动态加载网站时，这个问题就出现了。当网站是用JavaScript呈现，我无法刮刮该网站的内容然后。

我是否可以使用php curl或其他与PHP相关的客户端来浏览该网站的内容？

这就是我到目前为止所做的：

​

$link = "https://www.glassdoor.com/Job/jobs.htm?suggestCount=0&suggestChosen=false&clickSource=searchBtn&typedKeyword=android+developer&sc.keyword=android+developer&locT=N&locId=192&jobType=";

$ch = curl_init();
curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
curl_setopt($ch,CURLOPT_URL,$link);
curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US) AppleWebKit/525.13 (KHTML, like Gecko) Chrome/0.A.B.C Safari/525.13");
$data = curl_exec($ch);


$document = new DOMdocument();
libxml_use_internal_errors(true);
$document->loadHTML($data);
$elements = $document->getElementsByTagName("div");

foreach($elements as $element){
  	echo $element->nodeValue."<br>";;
}

​

Answer 1

为此您需要使用无头浏览器，您可以为PhantomJS使用PHP包装器，下面是链接http://jonnnnyw.github.io/php-phantomjs/。这会解决你的问题。它具有以下特点：

• 通过PhantomJS无头浏览器加载网页
• 查看详细的响应数据，包括页面内容、标题、状态代码等。
• 手柄重定向
• 查看javascript控制台错误

希望这能有所帮助。