PHP CURL 爬取大众点评app中的点评

先在大众点评APP找一个想爬取的点评链接
处理链接
配置抓取点评的CURL方法
查看是否爬取到了数据
处理爬取回来的数据

先在大众点评APP找一个想爬取的点评链接

点评链接: 四颗星，Las Tapas还是很赞的，值得推荐！ https://m.dianping.com/ugcdetail/732363063?sceneType=1&bizType=1&utm_source=ugcshare
下面就根据这个链接来举例爬取吧。

处理链接

//将文字部份去掉
preg_match('/http(.*?)ugcshare/i', $url, $um);
$url = $um[0];
//更改sceneType的状态值
$url = str_replace('sceneType=1', 'sceneType=0', $url);

注意：这里讲解一下为什么要替换sceneType的状态值
sceneType=1的时候
抓取的是点评外面的小图（但小图是没有大众点评水印的）
sceneType=0的时候
抓取的是点评的原图（但是加了水印的原图）
不过水印的问题可以解决。

配置抓取点评的CURL方法

其实抓取大众点评并不难。但没有难点的话我也就没必要写了。
抓取大众点评难点有两个
（1）难点一需要解决验证的问题。
经常抓取点评时，会出现安全验证。当然如果是在本地抓着玩，那没什么问题，直接使用本地浏览器去解除安全验证就可以了。
但是如果你需要上传到线上服务器上。那你必须的使用IP代理了。当然，有钱任性，可以去花钱搞个IP代理。如果不想花钱那就按照我以下的方式，代理线上的IP把。当线上抓取失败的时候，就代理线上IP在本地访问一下大众点评网页然后手动解除验证就可以了。
我呢好学如果要是有其它方法可以跳过这个验证，并且不需要花钱。可以教教我。
（2）难点二就是匹配数据了
其实也不叫难点，既然你要爬取点评，那理所当然你就得去匹配数据呀。当然关于抓取的点评图片是有水印的。只要认真发现。你可以解决的。

在Linux里安装Tinyproxy用于代理服务器
安装命令：yum install tinyproxy

然后配置tinyproxy:
需要注意，这里需要以管理员的身份打开
首先需要先找到tinyproxy.conf配置文件目录，这里我是以我的安装目录打开的
sudo vim /etc/tinyproxy/tinyproxy.conf

Allow:
输入允许代理的IP
百度ip然后就能得到自己的IP。就是指线上允许这个IP代理自己。
设置好后保存退出。在重启tinyproxy
sudo service tinyproxy restart

$header = array("User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.2 Safari/605.1.15","Connection: keep-alive","Cache-Control: max-age=0","Sec-Fetch-Mode: navigate","Sec-Fetch-Site: cross-site","Host: m.dianping.com","Accept-Language: zh-CN,zh;q=0.9","Sec-Fetch-Mode: navigate","Sec-Fetch-Site: none","Upgrade-Insecure-Requests: 1",);$ch = curl_init();//这里是代理线上的服务器IP以及端口。如果是在本地可以直接注释掉curl_setopt($ch, CURLOPT_PROXY, '129.133.22.111');curl_setopt($ch, CURLOPT_PROXYPORT, '8888');curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);curl_setopt($ch, CURLOPT_HEADER, false);curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);curl_setopt($ch, CURLOPT_URL, $url);curl_setopt($ch, CURLOPT_REFERER, $url);curl_setopt($ch, CURLOPT_HTTPHEADER, $header);curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE);curl_setopt($ch, CURLOPT_TIMEOUT, 60);$result = curl_exec($ch);curl_close($ch);

查看是否爬取到了数据

处理爬取回来的数据

处理数据这模块就自己来把
我这里展示一下结果就可以了

注意：
文中的小红框是大众点评app给文字加密的文字。我尝试着去解决过，虽然解决了，但最后发现。加密的woff文件里面的字相对应的编码每天都在变。最后考虑到成本就没必要去解决了。只能麻烦抓取他的人自己动手改了。

我觉得还是把抓取点评内容的图片处理方式分享出来把。毕竟在图片这里我确实是踩了几个坑了。

//内容图片preg_match('/\<div class\=\"image\-wrapper\" style\=\".*?\"\>(.*?)\<div class\=\"seed\-author\-wrap feed\-author\"\>/is', $result, $img_arr);if ($img_arr[0]) {preg_match_all('/src=\"(.*?)\"/i', $img_arr[1], $src_arr);foreach ($src_arr[1] as $key => $value) {preg_match('/http(.*?)LPWwuxXKbtEwWMeZjN/i', $value, $arr);if (!$arr) {preg_match('/http(.*?)dZTESHGw7y5Zx2ro/i', $value, $arr);}if ($arr[0]) {$src_arr[1][$key] = $arr[0] . '.jpg';} else {preg_match('/http(.*?)\.jpg/i', $value, $arr);if ($arr[0]) {$src_arr[1][$key] = $arr[0];}}}} else {preg_match_all('/\<div class\=\"seed\-img\-cover\-wrap seed\-img\-display\-cover\"\>\<img class\=\"seed\-img\-src\" src\=\"(.*?)\" alt\=\"\"\/\>\<\/div\>/i', $result, $img_arr);}print_r($src_arr[1]);die;

提示：如果有问题，或者处理不来的，我这里有源码，留言找我。