使用 simple_html_dom 快速構建 PHP 電影爬蟲實戰指南

前言

想快速抓取網頁數據？PHP 配合 simple_html_dom 庫是絕佳組合。這個輕量級解析器支援 PHP 5+，操作直觀，幾行代碼即可完成 HTML 文檔解析與元素提取。

環境準備

首先從 GitHub 下載庫文件：

https://github.com/samacs/simple_html_dom

將 simple_html_dom.php 放入項目目錄，即可開始開發。

實戰：抓取泡泡影視列表頁

以 https://paopaotv.com/tv-type-id-5-pg-1.html 為例，該頁面採用字母分類模式，電影數據位於 id="letter-focus" 容器內的 class="letter-focus-item" 列表項中。

核心代碼實現

<?php
include_once 'simple_html_dom.php';

// 獲取 HTML 並轉為對象
$html = file_get_html('https://paopaotv.com/tv-type-id-5-pg-1.html');

// 定位列表容器
$listData = $html->find("#letter-focus .letter-focus-item");

foreach ($listData as $key => $eachRowData) {
    // 提取影片名稱
    $filmName = $eachRowData->find("dd span", 0)->plaintext;
    
    // 提取詳情頁鏈接
    $filmUrl = $eachRowData->find("dd a", 0)->href;
    
    // 此處可進一步請求 $filmUrl 獲取詳細信息
    // ...
}
?>

關鍵方法解析

• file_get_html()：直接獲取遠程頁面並生成 DOM 對象
• find()：支援 CSS 選擇器語法，返回元素數組或單一元素
• plaintext：獲取元素純文本內容
• href：直接讀取鏈接屬性

進階建議

實際項目中建議加入：

1. 錯誤處理與重試機制
2. 請求間隔控制，避免被封 IP
3. User-Agent 偽裝
4. 數據入庫前的清洗驗證

掌握這套流程，輕鬆應對各類列表頁、詳情頁數據採集需求。