开源的 PHP 爬虫系统，可视化的采集器，蓝天采集器

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

• 请不要在回答技术问题时复制粘贴 AI 生成的内容

这是一个创建于 2421 天前的主题，其中的信息可能已经有所发展或是发生改变。

php+mysql 开发的数据采集发布系统

支持 php5.3~php7

支持多级、多页、分页抓取

支持正则、xpath、json 匹配内容

可将数据导入 cms 系统或自己开发的程序、直接入库、保存为文件等

实现定时定量全自动采集发布

界面自适应宽度，手机也可以操作采集

开源地址： https://github.com/zorlan/skycaiji

第 1 条附言 · 2018-05-06 14:30:51 +08:00

此程序虽然开源但是代码经过 php_strip_whitespace 处理，下载下来 ctrl+i 还是可以看的

PHP

采集器

采集

开源

33 条回复 • 2018-05-12 20:38:01 +08:00

eluotao

2018-05-04 11:09:02 +08:00

支持一下...感谢你的开源分享.

zorlan

2018-05-04 11:16:38 +08:00

@eluotao 谢谢支持哈！

martyartrt1

2018-05-04 11:43:46 +08:00

支持 Js 解析么

183387594

2018-05-04 11:48:30 +08:00

共享采集规则这个也不错

zorlan

2018-05-04 12:24:28 +08:00

@martyartrt1 你说的是 js 渲染吗？这个还不能有些难度

zorlan

2018-05-04 12:25:00 +08:00

@183387594 谢谢支持！还可以把规则保存到本地的

LevineChen

2018-05-04 12:28:34 +08:00 via iPhone

@zorlan php v8js 了解一下

zorlan

2018-05-04 12:31:02 +08:00

@LevineChen 好东西，研究一下！

mf2019d

2018-05-04 12:39:08 +08:00 via iPhone

好好。

gouchaoer

2018-05-04 12:55:19 +08:00

说 v8js 的，js 代码一般和 dom 高度绑定的，v8js 里面又没有 dom，所以并没有用

siknet

2018-05-04 13:54:21 +08:00

挂上服务器试试

LeungJZ

2018-05-04 14:06:55 +08:00

支持。

Nott

2018-05-04 14:27:46 +08:00

赞，PHP 版火车头

gouchaoer

2018-05-04 14:36:43 +08:00

源码里面把换行符去掉略蛋疼，一方面这个没用，另一方面造成一个暗示就是你不希望有人贡献代码

xjroot

2018-05-04 15:08:25 +08:00

phpspider , 一样的问题, 重复内容该如何处理.. 通配规则等..

aiseo

2018-05-04 15:36:31 +08:00

这个怎么感觉就是 php 版火车头呢

zorlan

2018-05-04 16:10:40 +08:00

@gouchaoer 额，代码写的烂，不好意思让你们看

zorlan

2018-05-04 16:11:07 +08:00

@aiseo 站在巨人的肩膀上

akira

2018-05-04 16:34:49 +08:00

@zorlan 那不就是更应该让大家来帮忙改么

nosay

2018-05-04 17:08:13 +08:00

赞，就是 tp 版本低了点，可能是一个不稳定的因素。

zorlan

2018-05-04 19:18:14 +08:00

@nosay tp3.2 暂时还是很稳定的，tp5 更新太频繁，等稳定了会考虑升级

VgV

2018-05-05 00:24:32 +08:00

@zorlan 这换行去掉了，开放开源思想不坚定啊。

xttttt

2018-05-05 02:16:41 +08:00

为什么汉化只有一半看着好蛋疼

zorlan

2018-05-05 09:29:29 +08:00

@VgV 行业竞争激烈，你懂的~

zorlan

2018-05-05 09:30:34 +08:00

@xttttt 出 bug 了吗？麻烦在 bbs.skycaiji.com 反馈下，谢谢！

files

2018-05-05 10:06:58 +08:00

去掉换行符不让别人修改,这也叫开源?

zorlan

2018-05-05 10:35:31 +08:00

@files 呵呵，难道不知道有个功能叫 ctrl+a ctrl+i 吗？再说了这个软件重要的是功能，你改源码干嘛？

zorlan

2018-05-05 10:47:54 +08:00

@akira 谢谢支持，有专门技术人员维护的，大家只要反馈 bug 就可以的

zorlan

2018-05-06 08:20:54 +08:00

哎，心凉，这是哪位大佬啊 https://github.com/zorlan/skycaiji/issues/4

hxy100

2018-05-06 14:00:10 +08:00

@zorlan 真的很蛋疼啊，开个源还打乱格式。我知道有工具可以格式化，但你这个让别人看你代码的成本增加了，不符合开源精神，还有很多需要在 Github 在线查看代码的怎么破？要开源，就注意点规范，不要随便破坏行业规则，不好！

zorlan

2018-05-06 14:29:37 +08:00

@hxy100 好吧，标题应该把开源改成免费（现在改不了了），不过这个程序不是框架只是软件，大家根本不需要改源码，只要部署到服务器上使用就可以了，我上传到 github 也是方便大家下载使用的，不知道你们老是抓着源码干嘛？再说了，这个也不是格式化，只是 php 很简单的一个功能 php_strip_whitespace，ctrl+i 还是能看的，这就破坏行规了？

mmd1989

2018-05-10 14:24:21 +08:00

xpath 有案例可以参考么,用手册里的例子 //*[@id="epContentLeft"]/h1 抓网易新闻内容页标题抓不到呢

eluotao

2018-05-12 20:38:01 +08:00

@zorlan 我有一个网站无法采集呢.请问如何解决?