标题起的太大了,都是骗人的。最近使用PHP实现了简单的网盘搜索程序,并且关联了微信公众平台。用户可以通过公众号输入关键字,公众号会返回相应的网盘下载地址。就是这么一个简单的功能,类似很多的网盘搜索类网站,我这个采集和搜索程序都是PHP实现的,全文和分词搜索部分使用到了开源软件xunsearch,现在就来介绍一下实现过程。
1. 获取一批网盘用户
2. 根据网盘用户获取分享列表
3. xunsearch实现全文检索和分词检索
4. 微信公众平台接口开发
功能展示:
获取并采集百度网盘用户
要想获取到分享列表,首先要先把百度的用户信息收集下来,现在我来介绍如何找到一大批百度的用户。先把浏览器的审查元素打开,查看HTTP的请求包,打开自己的百度网盘主页地址/pcloud/home,查看订阅的用户列表,观察请求。
/pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=0&bdstoken=bc329b0677cad94231e973953a09b46f&channel=chunlei&clienttype=0&web=1&logid=MTQ5MzczNDgzMjgwMTAuOTE3Mzc4MDc4NDQ3NjU0OA== 这个请求就是获取订阅用户列表的接口。
上面的参数含义分别是:query_uk (我自己的id编号,百度都是以uk来命名的) ; limit (分页时每页显示的条数) ; start (分页起始编号) ; 剩下的参数全都并无任何卵用。
精简后的接口地址是:/pcloud/friend/getfollowlist?query_uk={$uk}&limit=24&start={$start}
处理分页的获取订阅者接口地址
先暂时假设,我订阅了2400个用户,这个数量基本够用了。每页显示24个用户,那么就会分100页,则先看如何生成这个100个url。
<?php/** 获取订阅者*/class UkSpider{private $pages;//分页数private $start=24;//每页个数public function __construct($pages=100){$this->pages=$pages;}/*** 生成接口的url*/public function makeUrl($rootUk){$urls=array();for($i=0;$i<=$this->pages;$i++){$start=$this->start*$i;$url="/pcloud/friend/getfollowlist?query_uk={$rootUk}&limit=24&start={$start}";$urls[]=$url;}return $urls;}}$ukSpider=new UkSpider();$urls=$ukSpider->makeUrl(3317165372);print_r($urls);
获取的url接口列表结果:
Array([0] => /pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=0[1] => /pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=24[2] => /pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=48[3] => /pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=72[4] => /pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=96[5] => /pcloud/friend/getfollowlist?query_uk=3317165372&limit=24&start=120
使用CURL请求接口地址
请求接口地址时,可以直接使用file_get_contents()函数,但是我这里使用的是PHP的CURL扩展函数,因为在获取分享文件列表时需要修改请求的header头信息。
此接口返回的JSON信息结构如下
{"errno": 0,"request_id": 3319309807,"total_count": 3,"follow_list": [{"type": -1,"follow_uname": "热心***联盟","avatar_url": "/sys/portrait/item/7fd8667f.jpg","intro": "","user_type": 0,"is_vip": 0,"follow_count": 0,"fans_count": 21677,"follow_time": 1493550371,"pubshare_count": 23467,"follow_uk": 3631952313,"album_count": 0},{"type": -1,"follow_uname": "绾*兮","avatar_url": "/sys/portrait/item/fa5ec198.jpg","intro": "万里淘金,为你推荐精品全本小说,满满的资源福利!","user_type": 6,"is_vip": 0,"follow_count": 10,"fans_count": 5463,"follow_time": 1493548024,"pubshare_count": 2448,"follow_uk": 1587328030,"album_count": 0},{"type": -1,"follow_uname": "自**检票","avatar_url": "/sys/portrait/item/8c5b2810.jpg","intro": "没事看点小说。","user_type": 0,"is_vip": 0,"follow_count": 299,"fans_count": 60771,"follow_time": 1493547941,"pubshare_count": 13404,"follow_uk": 1528087287,"album_count": 0}]}
如果要做一个综合性的网盘搜索网站,就可以把这些信息全都存入数据库,现在我只是做一个很简单的小说搜索网站,因此只留下了订阅盘主的uk编号。
<?php/** 获取订阅者*/class UkSpider{private $pages;//分页数private $start=24;//每页个数public function __construct($pages=100){$this->pages=$pages;}/*** 生成接口的url*/public function makeUrl($rootUk){$urls=array();for($i=0;$i<=$this->pages;$i++){$start=$this->start*$i;$url="/pcloud/friend/getfollowlist?query_uk={$rootUk}&limit=24&start={$start}";$urls[]=$url;}return $urls;}/*** 根据URL获取订阅用户id*/public function getFollowsByUrl($url){$result=$this->sendRequest($url);$arr=json_decode($result,true);if(empty($arr)||!isset($arr['follow_list'])){return;}$ret=array();foreach($arr['follow_list'] as $fan){$ret[]=$fan['follow_uk'];}return $ret;}/*** 发送请求*/public function sendRequest($url,$data = null,$header=null){$curl = curl_init();curl_setopt($curl, CURLOPT_URL, $url);curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, FALSE);curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, FALSE);if (!empty($data)){curl_setopt($curl, CURLOPT_POST, 1);curl_setopt($curl, CURLOPT_POSTFIELDS, $data);}if (!empty($header)){curl_setopt($curl, CURLOPT_HTTPHEADER, $header);}curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);$output = curl_exec($curl);curl_close($curl);return $output;}}$ukSpider=new UkSpider();$urls=$ukSpider->makeUrl(3317165372);//循环分页urlforeach($urls as $url){echo "loading:".$url."\r\n";//随机睡眠7到11秒$second=rand(7,11);echo "sleep...{$second}s\r\n";sleep($second);//发起请求$followList=$ukSpider->getFollowsByUrl($url);//如果已经没有数据了,要停掉请求if(empty($followList)){break;}print_r($followList);}
循环请求上一步生成的urls,注意,此处要间隔一定秒数来发请求,否则会被直接封掉的,并且要判断如果没有数据了要停掉循环。此脚本一定要在命令行模式下运行,在浏览器上会直接超时死掉了。
循环往复采集用户uk编号
使用mysql数据库,建一张表例如uks,存储采集到的用户编号,表结构如下:
CREATE TABLE `uks` (`id` int(10) unsigned NOT NULL AUTO_INCREMENT,`uk` varchar(100) NOT NULL DEFAULT '',`get_follow` tinyint(4) NOT NULL DEFAULT '0',`get_share` tinyint(4) NOT NULL DEFAULT '0',PRIMARY KEY (`id`),UNIQUE KEY `uk_2` (`uk`),KEY `uk` (`uk`))
先存入一批,然后再根据这批继续找订阅盘主,不停的循环,里面的重要字段是:uk是唯一的 ; ’get_follow默认为0 当第二遍找它的订阅列表时,修改为1,防止重复采集。
下一篇介绍根据uk获取分享列表,并且入库
演示地址,关注微信公众号:网盘小说,或者扫描下面的二维码