网页数据采集：精准定位分页链接
本文探讨如何从网页HTML代码中高效提取分页链接。 我们将分析一个包含分页链接的HTML片段，并演示如何使用QueryList库在PHP中进行网页数据采集，解决页面链接匹配问题。
假设HTML结构如下：
初始代码尝试使用QueryList::range('.pagebox>a') 选择目标元素，但由于HTML中不存在pagebox类，导致选择器失效。
为了正确提取所有页码链接，我们需要修改选择器，直接选择.page下的所有标签。
改进后的PHP代码如下：
<?php
$rules = [
'url' => ['a', 'href']
];
$list = QueryList::get($url, null, [
'headers' => [
'User-Agent' => 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36',
'Accept-Encoding' => 'gzip, deflate, br',
]
])->rules($rules)
->range('.page a') // 修正后的选择器
->queryData();
var_dump($list);
?>
通过将选择器修改为'.page a'，我们精准地选中了div.page下的所有标签，从而成功提取所有页码对应的href链接。 这有效解决了页面链接匹配问题，确保了数据采集的准确性。
