抓取“IC 交易网”供应商程序

<?php
/**
* 抓取“IC 交易网”供应商主程序
* author Lee.
* Last modify $Date: 2012-2-6 10:44:32$
* 注：本程序按照编码 GB2312 执行，因为“IC 交易网”网站是GB2312编码，数据库也得保持一致
*/
class ic {
    private $key; // 型号  
    private $pageNum; // 页码  

    /**
     * 入口程序
     */
    public function go($key) {
        $this->key = $key;
        $this->pageNum = $this->getPageNum();
        $this->getInfo();
    }

    /**
     * 获取供应商 url 链接数组
     * @return ArrayObject
     */
    private function getInfo() {
        if ($this->pageNum==1) { # 处理只有一页的情况
            $arr = $this->shopUrlMatchReArr($this->getContent());
            $this->isAddSuccess($arr);
        } elseif ($this->pageNum>1) { # 多页
            for ($i=1; $i<=$this->pageNum; $i++) {
                $arr = $this->shopUrlMatchReArr($this->getContent($i));
                $this->isAddSuccess($arr);
            }
        }    
    }
    
    /**
     * 打印是否添加成功
     * @param ArrayObject $arr
     * @return string
     */
    private function isAddSuccess($arr) {
        foreach ($arr as $k=>$v) {
            if ($this->execadd($this->getInfoByShopUrl($v))) {
                echo 'Add Success!!';
            } else {
                echo 'Add Faild!!';
            }
        }
    }

    /**
     * 执行添加到数据库
     * @param ArrayObject $infoArr
     * @return Number 受影响的行数
     */
    private function execAdd($infoArr) {
        $mysqli = $this->getDb();
        if (!emptyempty($infoArr['company'])) {
            if (!$this->isExists($mysqli, $infoArr)) {
                $num = $mysqli->query("INSERT INTO ic(company,address,phone,mobile,fax,zip,person,qq,msn,email,website,regDate,shopUrl) VALUES ('{$infoArr['company']}','{$infoArr['address']}','{$infoArr['phone']}','{$infoArr['mobile']}','{$infoArr['fax']}','{$infoArr['zip']}','{$infoArr['person']}','{$infoArr['qq']}','{$infoArr['msn']}','{$infoArr['email']}','{$infoArr['website']}','{$infoArr['regDate']}','{$infoArr['shopUrl']}')");
                return $num;
            } else {
                return false; # 表示数据已经存在
            }
        } else {
            return false;
        }
    }

    /**
     * 连接数据库
     */
    private function getDb() {
        $mysqli = new mysqli('localhost', 'root', '1715544', 'weiku');
        $mysqli->query('SET NAMES GB2312');
        return $mysqli;
    }

    /**
     * 检查公司是否已经存在
     * @param Resource $mysqli
     * @param ArrayObject $infoArr
     * @return bool
     */
    private function isExists($mysqli, $infoArr) {
        $mysqli->query("SELECT company FROM ic WHERE company = '{$infoArr['company']}'");
        if ($mysqli->affected_rows) {
            return true;
        } else {
            return false;
        }
    }

    /**
     * 格式化字符串
     * @param string $str
     * @return string
     */
    private function formatString($str) {
        return trim($str);
    }

    /**
     * 抓取信息
     * @param $url
     * @return ArrayObject
     */
    private function getInfoByShopUrl($url) {
        $re = $this->getUrlInfo($url);
        if (stristr($re, '<span class="STYLE2">')) $re = preg_replace('/<span class="STYLE2">.*<\/span>/Usi', '', $re);
        preg_match_all('/<title>(.+)<\/title>/Usi', $re, $companyArr);
        preg_match_all('/地址:(.*)<\/TD>/Usi', $re, $addressArr);
        preg_match_all('/电话：(.*)<\/TD>/Usi', $re, $phoneArr);
        preg_match_all('/手机：(.*)<\/TD>/Usi', $re, $mobileArr);
        preg_match_all('/传真：(.*)<\/TD>/Usi', $re, $faxArr);
        preg_match_all('/邮编：(.*)<\/TD>/Usi', $re, $zipArr);
        preg_match_all('/联系人：(.*)<\/TD>/Usi', $re, $personArr);
        preg_match_all('/QQ：(.*)<\/TD>/Usi', $re, $qqArr);
        preg_match_all('/MSN：(.*)<\/TD>/Usi', $re, $msnArr);
        preg_match_all('/Email：(.*)<\/TD>/Usi', $re, $emailArr);
        preg_match_all('/网址：(.*)<\/TD>/Usi', $re, $websiteArr);
        preg_match_all('/注册日期：(.*)<\/TD>/Usi', $re, $regDateArr);
        $infoArr = array(
            'company'=>$this->formatString($companyArr[1][0]),
            'address'=>$this->formatString($addressArr[1][0]),
            'phone'=>$this->formatString($phoneArr[1][0]),
            'mobile'=>$this->formatString($mobileArr[1][0]),
            'fax'=>$this->formatString($faxArr[1][0]),
            'zip'=>$this->formatString($zipArr[1][0]),
            'person'=>$this->formatString($personArr[1][0]),
            'qq'=>$this->formatString($qqArr[1][0]),
            'msn'=>$this->formatString($msnArr[1][0]),
            'email'=>$this->formatString($emailArr[1][0]),
            'website'=>$this->stripATags($this->formatString($websiteArr[1][0])),
            'regDate'=>$this->formatString($regDateArr[1][0]),
            'shopUrl'=>$url
        );
        return $infoArr;
    }

    /**
     * 根据页面获取供应商 url 数组
     * @param string $re
     * @return ArrayObject
     */
    private function shopUrlMatchReArr($re) {
        preg_match_all('/<a onmousemove=\".+\" onmouSEOut=hidetip\(\) href=(.+) target=\_blank>.+<\/a>/Usi', $re, $arr);
        $arr = $this->formatUrlArr(array_unique($arr[1]));
        return $arr;
    }
    
    /**
     * 格式化数组
     * @param Array $arr
     * @return ArrayObject
     */
    private function formatUrlArr($arr) {
        $newArr = array();
        foreach ($arr as $key=>$value) {
            if ($this->isExistsHttp($value)) {
                $newArr[$key] = $value;
            }
        }
        return $newArr;
    }
    
    /**
     * 格式化 QQ
     * @param string $str
     * @return string
     */
    private function formatQqMsn($str, $e='QQ') {
        if (emptyempty($str)) return '';
        preg_match_all('/alt="'.$e.'\:(.+)"/Usi', $str, $arr);
        if (count($arr[1])==1) return $arr[1][0];
        $newStr = null;
        foreach ($arr[1] as $value) {
            $newStr .= $value . ' ';
        }
        return rtrim($newStr, ' ');
    }

    /**
     * 去掉网址的 A 标签
     * @param string $site
     * @return string
     */
    private function stripATags($site) {
        $site = preg_replace('/<a.+>(.+)<\/a>/', '\1', $site);
        return $site;
    }

    /**
     * 检查 url 是否有 http
     * @param string $url
     * @return bool
     */
    private function isExistsHttp($url) {
        if (stristr($url, 'http://')) {
            return true;
        } else {
            return false;
        }
    }
    
    /**
     * 获取页面内容
     * @param Number $page
     * @return string
     */
    private function getContent($page=1) {
        $re = file_get_contents($this->getUrl($this->key, $page));
        return $re;
    }
    
    /**
     * 获取页码
     * @return Number
     */
    private function getPageNum() {
        $i = null;
        $re = $this->getContent();
        preg_match_all('/共(.+)页/Usi', $re, $arr);
        $i = $arr[1][0];
        return $i;
    }

    /**
     * 获取 URL 链接
     * @param string $str
     * @param int $page 页码
     * @return string
     */
    private function getUrl($str, $page=1) {
        return "http://www.ic.net.cn/partsearch/searchinstock.asp?newtype=1;area=;Page={$page};partnumber={$str};mfg=;DateCode=;QTY=;PRICE=;Exact=;orderby=inputdate;qty_filter=50;usertype2=1;pack=";
    }

    /**
     * 获取页面内容
     * @param string $url
     * @return string
     */
    private function getUrlInfo($url) {
        $re = file_get_contents($url);
        return $re;
    }
}

/*
程序运行思路：根据“IC 交易网”的IC搜索功能，输入型号进行搜索，然后抓取供应商信息

数据库结构
CREATE TABLE `ic` (
    `id` mediumint(8) unsigned NOT NULL auto_increment,
    `company` varchar(500) NOT NULL,
    `address` varchar(500) default NULL,
    `phone` varchar(500) default NULL,
    `mobile` varchar(500) default NULL,
    `fax` varchar(300) default NULL,
    `zip` varchar(300) default NULL,
    `person` varchar(500) default NULL,
    `qq` varchar(300) default NULL,
    `msn` varchar(300) default NULL,
    `email` varchar(500) default NULL,
    `website` varchar(300) default NULL,
    `regDate` varchar(500) default NULL,
    PRIMARY KEY  (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=gb2312
*/

$i = new ic();
$arr = array_unique(array('MAX3232', 'AML8613', 'MT6225A', 'OM8373PS/N3/A', 'PT7313', 'MAX8212ESA', 'TL431', 'S3C2440', 'TMS320F2812PGFA', 'PCM1704', 'AN6717', 'CA3162E', 'CA3161E', 'LM393N', 'DS18B20', 'SHT10', 'AML8613', 'AN6717', 'LM393N', 'CA3161E', 'CA3162E', 'PCM1704', 'STK392-040', 'K1667', 'MAX232', 'STM32F103', 'LM358'));
foreach ($arr as $v) {
    $i->go($v);
}
?>
<?php
/**
* 抓取“IC 交易网”供应商主程序
* author Lee.
* Last modify $Date: 2012-2-6 10:44:32$
* 注：本程序按照编码 GB2312 执行，因为“IC 交易网”网站是GB2312编码，数据库也得保持一致
*/
class ic {
private $key; // 型号
private $pageNum; // 页码
/**
  * 入口程序
  */
public function go($key) {
  $this->key = $key;
  $this->pageNum = $this->getPageNum();
  $this->getInfo();
}
/**
  * 获取供应商 url 链接数组
  * @return ArrayObject
  */
private function getInfo() {
  if ($this->pageNum==1) { # 处理只有一页的情况
   $arr = $this->shopUrlMatchReArr($this->getContent());
   $this->isAddSuccess($arr);
  } elseif ($this->pageNum>1) { # 多页
   for ($i=1; $i<=$this->pageNum; $i++) {
    $arr = $this->shopUrlMatchReArr($this->getContent($i));
    $this->isAddSuccess($arr);
   }
  }
}

/**
  * 打印是否添加成功
  * @param ArrayObject $arr
  * @return string
  */
private function isAddSuccess($arr) {
  foreach ($arr as $k=>$v) {
   if ($this->execAdd($this->getInfoByShopUrl($v))) {
    echo 'Add Success!!';
   } else {
    echo 'Add Faild!!';
   }
  }
}
/**
  * 执行添加到数据库
  * @param ArrayObject $infoArr
  * @return Number 受影响的行数
  */
private function execAdd($infoArr) {
  $mysqli = $this->getDb();
  if (!empty($infoArr['company'])) {
   if (!$this->isExists($mysqli, $infoArr)) {
    $num = $mysqli->query("INSERT INTO ic(company,address,phone,mobile,fax,zip,person,qq,msn,email,website,regDate,shopUrl) VALUES ('{$infoArr['company']}','{$infoArr['address']}','{$infoArr['phone']}','{$infoArr['mobile']}','{$infoArr['fax']}','{$infoArr['zip']}','{$infoArr['person']}','{$infoArr['qq']}','{$infoArr['msn']}','{$infoArr['email']}','{$infoArr['website']}','{$infoArr['regDate']}','{$infoArr['shopUrl']}')");
    return $num;
   } else {
    return false; # 表示数据已经存在
   }
  } else {
   return false;
  }
}
/**
  * 连接数据库
  */
private function getDb() {
  $mysqli = new mysqli('localhost', 'root', '1715544', 'weiku');
  $mysqli->query('SET NAMES GB2312');
  return $mysqli;
}
/**
  * 检查公司是否已经存在
  * @param Resource $mysqli
  * @param ArrayObject $infoArr
  * @return bool
  */
private function isExists($mysqli, $infoArr) {
  $mysqli->query("SELECT company FROM ic WHERE company = '{$infoArr['company']}'");
  if ($mysqli->affected_rows) {
   return true;
  } else {
   return false;
  }
}
/**
  * 格式化字符串
  * @param string $str
  * @return string
  */
private function formatString($str) {
  return trim($str);
}
/**
  * 抓取信息
  * @param $url
  * @return ArrayObject
  */
private function getInfoByShopUrl($url) {
  $re = $this->getUrlInfo($url);
  if (stristr($re, '<span class="STYLE2">')) $re = preg_replace('/<span class="STYLE2">.*<\/span>/Usi', '', $re);
  preg_match_all('/<title>(.+)<\/title>/Usi', $re, $companyArr);
  preg_match_all('/地址:(.*)<\/TD>/Usi', $re, $addressArr);
  preg_match_all('/电话：(.*)<\/TD>/Usi', $re, $phoneArr);
  preg_match_all('/手机：(.*)<\/TD>/Usi', $re, $mobileArr);
  preg_match_all('/传真：(.*)<\/TD>/Usi', $re, $faxArr);
  preg_match_all('/邮编：(.*)<\/TD>/Usi', $re, $zipArr);
  preg_match_all('/联系人：(.*)<\/TD>/Usi', $re, $personArr);
  preg_match_all('/QQ：(.*)<\/TD>/Usi', $re, $qqArr);
  preg_match_all('/MSN：(.*)<\/TD>/Usi', $re, $msnArr);
  preg_match_all('/Email：(.*)<\/TD>/Usi', $re, $emailArr);
  preg_match_all('/网址：(.*)<\/TD>/Usi', $re, $websiteArr);
  preg_match_all('/注册日期：(.*)<\/TD>/Usi', $re, $regDateArr);
  $infoArr = array(
   'company'=>$this->formatString($companyArr[1][0]),
   'address'=>$this->formatString($addressArr[1][0]),
   'phone'=>$this->formatString($phoneArr[1][0]),
   'mobile'=>$this->formatString($mobileArr[1][0]),
   'fax'=>$this->formatString($faxArr[1][0]),
   'zip'=>$this->formatString($zipArr[1][0]),
   'person'=>$this->formatString($personArr[1][0]),
   'qq'=>$this->formatString($qqArr[1][0]),
   'msn'=>$this->formatString($msnArr[1][0]),
   'email'=>$this->formatString($emailArr[1][0]),
   'website'=>$this->stripATags($this->formatString($websiteArr[1][0])),
   'regDate'=>$this->formatString($regDateArr[1][0]),
   'shopUrl'=>$url
  );
  return $infoArr;
}
/**
  * 根据页面获取供应商 url 数组
  * @param string $re
  * @return ArrayObject
  */
private function shopUrlMatchReArr($re) {
  preg_match_all('/<a onmousemove=\".+\" onmouSEOut=hidetip\(\) href=(.+) target=\_blank>.+<\/a>/Usi', $re, $arr);
  $arr = $this->formatUrlArr(array_unique($arr[1]));
  return $arr;
}

/**
  * 格式化数组
  * @param Array $arr
  * @return ArrayObject
  */
private function formatUrlArr($arr) {
  $newArr = array();
  foreach ($arr as $key=>$value) {
   if ($this->isExistsHttp($value)) {
    $newArr[$key] = $value;
   }
  }
  return $newArr;
}

/**
  * 格式化 QQ
  * @param string $str
  * @return string
  */
private function formatQqMsn($str, $e='QQ') {
  if (empty($str)) return '';
  preg_match_all('/alt="'.$e.'\:(.+)"/Usi', $str, $arr);
  if (count($arr[1])==1) return $arr[1][0];
  $newStr = null;
  foreach ($arr[1] as $value) {
   $newStr .= $value . ' ';
  }
  return rtrim($newStr, ' ');
}
/**
  * 去掉网址的 A 标签
  * @param string $site
  * @return string
  */
private function stripATags($site) {
  $site = preg_replace('/<a.+>(.+)<\/a>/', '\1', $site);
  return $site;
}
/**
  * 检查 url 是否有 http
  * @param string $url
  * @return bool
  */
private function isExistsHttp($url) {
  if (stristr($url, 'http://')) {
   return true;
  } else {
   return false;
  }
}

/**
  * 获取页面内容
  * @param Number $page
  * @return string
  */
private function getContent($page=1) {
  $re = file_get_contents($this->getUrl($this->key, $page));
  return $re;
}

/**
  * 获取页码
  * @return Number
  */
private function getPageNum() {
  $i = null;
  $re = $this->getContent();
  preg_match_all('/共(.+)页/Usi', $re, $arr);
  $i = $arr[1][0];
  return $i;
}
/**
  * 获取 URL 链接
  * @param string $str
  * @param int $page 页码
  * @return string
  */
private function getUrl($str, $page=1) {
  return "http://www.ic.net.cn/partsearch/searchinstock.asp?newtype=1;area=;Page={$page};partnumber={$str};mfg=;DateCode=;QTY=;PRICE=;Exact=;orderby=inputdate;qty_filter=50;usertype2=1;pack=";
}
/**
  * 获取页面内容
  * @param string $url
  * @return string
  */
private function getUrlInfo($url) {
  $re = file_get_contents($url);
  return $re;
}
}
/*
程序运行思路：根据“IC 交易网”的IC搜索功能，输入型号进行搜索，然后抓取供应商信息
数据库结构
CREATE TABLE `ic` (
`id` mediumint(8) unsigned NOT NULL auto_increment,
`company` varchar(500) NOT NULL,
`address` varchar(500) default NULL,
`phone` varchar(500) default NULL,
`mobile` varchar(500) default NULL,
`fax` varchar(300) default NULL,
`zip` varchar(300) default NULL,
`person` varchar(500) default NULL,
`qq` varchar(300) default NULL,
`msn` varchar(300) default NULL,
`email` varchar(500) default NULL,
`website` varchar(300) default NULL,
`regDate` varchar(500) default NULL,
PRIMARY KEY  (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=gb2312
*/
$i = new ic();
$arr = array_unique(array('MAX3232', 'AML8613', 'MT6225A', 'OM8373PS/N3/A', 'PT7313', 'MAX8212ESA', 'TL431', 'S3C2440', 'TMS320F2812PGFA', 'PCM1704', 'AN6717', 'CA3162E', 'CA3161E', 'LM393N', 'DS18B20', 'SHT10', 'AML8613', 'AN6717', 'LM393N', 'CA3161E', 'CA3162E', 'PCM1704', 'STK392-040', 'K1667', 'MAX232', 'STM32F103', 'LM358'));
foreach ($arr as $v) {
$i->go($v);
}
?>