网页数据采集：精准提取分页链接
本文介绍如何从网页HTML代码中高效提取分页链接。 我们将以一个实际案例为例，演示如何从包含分页链接的HTML代码中提取所有页码对应的链接。 该HTML代码包含一个div容器，其中包含页码链接以及“上一页”和“下一页”链接。
示例代码使用了QueryList PHP库进行网页数据采集。 原始代码尝试使用range('.pagebox>a')方法选择目标链接，但由于HTML结构中缺少.pagebox类，导致选择失败。
为了解决这个问题，我们需要调整QueryList规则，使其能够准确地定位并选择所有页码链接的标签。 由于页码链接的父元素是div.page，且结构相对简单，我们可以直接使用CSS选择器进行精准定位。 修改后的QueryList代码如下：
['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($rules)
->range('div.page a') // 修改后的选择器
->queryData();
var_dump($list);
?>
将range('.pagebox>a')修改为range('div.page a')后，代码即可正确选择div.page元素下的所有标签，从而提取所有页码链接。 此方法避免了对不存在的.pagebox类的依赖，提高了代码的鲁棒性。 需要注意的是，如果网页结构发生变化，可能需要相应调整CSS选择器以确保数据提取的准确性。
