[{"data":1,"prerenderedAt":18},["ShallowReactive",2],{"article":3},{"id":4,"category":5,"slug":6,"title":7,"image":8,"page_image":9,"published_at":10,"updated_at":11,"meta_title":12,"meta_description":13,"meta_keywords":14,"content":15,"tags":16,"faqs":17},129,"blog","ar-php-for-data-harvesting-in-collaboration-with-a-trusted-proxy-website","PHP لجمع البيانات بالتعاون مع موقع بروكسي موثوق","https://blog.dexodata.com/storage/uploads/previews/15-3-s-trusted-proxy-website-php-and-data-collection-cover-1032x491-058e15f3-9c89-4100-a80c-ca121dc343ea.webp","https://blog.dexodata.com/storage/uploads/covers/15-3-b-trusted-proxy-website-php-and-data-collection-cover-1032x491-accb4767-8ff9-4506-aa0e-4cf5aac6a61e.webp","2024/08/13","2024/07/31","كيفية جمع البيانات باستخدام PHP مع موقع بروكسي موثوق","استكشاف إمكانيات PHP لجمع البيانات على الإنترنت مع Dexodata، موقع بروكسي موثوق به يحتوي على مجموعة من البروكسيات المستهدفة جغرافياً.","trusted proxy website, geo targeted proxies, paid proxy free trial, proxies for social media","\u003C!DOCTYPE html PUBLIC \"-//W3C//DTD HTML 4.0 Transitional//EN\" \"http://www.w3.org/TR/REC-html40/loose.dtd\">\n\u003C?xml encoding=\"utf-8\"?>\u003Chtml>\u003Cbody>\u003Cp>\u003Cem>\u003Cstrong>محتويات المقال:\u003C/strong>\u003C/em>\u003C/p>\n\u003Cul>\n\u003Cli>\u003Ca href=\"#anchor1\">جمع البيانات من الويب باستخدام PHP: الأساسيات والمتطلبات المسبقة\u003C/a>\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor2\">جمع بيانات الويب باستخدام PHP: سيناريو عينة\u003C/a>\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor3\">التطور. المكتبات والأدوات\u003C/a>\n\u003Cul>\n\u003Cli>\u003Ca href=\"#anchor4\">Goutte\u003C/a>\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor5\">Simple HTML DOM\u003C/a>\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor6\">PHP Scraper\u003C/a>\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor7\">PHP cURL لعمليات جمع البيانات\u003C/a>\u003C/li>\n\u003C/ul>\n\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor8\">إنشاء برنامج جمع البيانات: سيناريو عينة\u003C/a>\u003C/li>\n\u003Cli>\u003Ca href=\"#anchor9\">ملاحظات نهائية\u003C/a>\u003C/li>\n\u003C/ul>\n\u003Cp>القطعة التي تقرأها تُنهي رحلتنا الطويلة عبر مجال جمع البيانات من الويب الصعب. لقد استكشفت \u003Ca href=\"https://dexodata.com/en/blog/10-credible-reasons-to-use-dexodata\" target=\"_blank\" rel=\"noopener\">موقع Dexodata البروكسي الموثوق به مع إعدادات متقدمة ومرنة\u003C/a> إمكانيات Python وJavaScript وJava. نحن الآن ندعو القراء للتركيز على اتجاه آخر محبوب لجمع المعلومات. نعني المساعد القديم الجيد PHP.\u003C/p>\n\u003Cp>لماذا يجب على المستخدمين تجربته إذا كانوا يعتزمون الحصول على محتوى من وجود على الويب وسيلجأون إلى بروكسياتنا المستهدفة جغرافياً لهذا الغرض؟ إليك الجواب. بشكل أساسي، يمكن وصف PHP كلغة برمجة نصية على جانب الخادم متعددة الأغراض ولدت في عام 1995. وكما هو الحال، فهي بطبيعتها مخصصة لتطوير الويب (أحدث إصدار من PHP هو \u003Ca href=\"https://php.watch/versions/8.4\" target=\"_blank\" rel=\"noopener\">8.4\u003C/a>). الحصة التي حصلت عليها PHP وما زالت تحتفظ بها لا تزال هائلة.  \u003C/p>\n\u003Col>\n\u003Cli>أي شخص يعرف على الأقل شيئاً عن الجوانب التقنية للإنترنت يعرف ما هو WordPress. بناءً على PHP، فإن هذا النظام يدير ويحتفظ بحوالي 40% من جميع المواقع الموجودة. ليس كلهم مشهورين، 40% من المواقع لا تعني بالضرورة 40% من حركة المرور أو 40% من البيانات. لكن هذه الحقيقة تتحدث عن نفسها.\u003C/li>\n\u003Cli>بجانب جميع الأشياء المتعلقة بإدارة المحتوى، \u003Ca href=\"https://w3techs.com/technologies/details/pl-php\" target=\"_blank\" rel=\"noopener\">حوالي 80% من المواقع تعتمد على PHP\u003C/a> (عندما يمكن تحديد خاصيتها على جانب الخادم).\u003C/li>\n\u003Cli>أخيراً، يمكن هندسة منتجات متقدمة حقاً ذات طلب كبير باستخدام PHP. على سبيل المثال، يجب على أولئك الذين يطلبون تجربة مجانية للبروكسي المدفوع لدينا كمستخدمين جدد لتطبيق العناوين كبروكسيات لوسائل التواصل الاجتماعي أن يعرفوا أن Slack يعتمد على كود PHP. نعم، إنها ليست وسيلة تواصل اجتماعي في أنقى صورها، ولكن لا يزال.\u003C/li>\n\u003C/ol>\n\u003Cp>كلغة “مهيأة” للويب، تعتبر PHP خياراً جيداً للسيناريوهات ذات التعقيد المنخفض إلى المتوسط. من خلالها يمكن للمبرمجين:\u003C/p>\n\u003Cul>\n\u003Cli>بدء الطلبات التي سيتم نقلها إلى صفحة معينة;  \u003C/li>\n\u003Cli>استرجاع المعلومات;\u003C/li>\n\u003Cli>حفظ المعلومات بشكل منظم، مثل تنسيقات CSV أو JSON أو XML.\u003C/li>\n\u003C/ul>\n\u003Cp>لتلخيص: PHP بالتأكيد مورد يمكن استخدامه في مهام جمع البيانات، حيث إنها قادرة على التفاعل مع المواقع وفهم ومعالجة HTML، بالإضافة إلى جمع المعلومات من الوجودات عبر مجموعة من الوظائف والمكتبات المناسبة. في هذه السعة، ليست PHP متقدمة ومرنة جداً ويجب عدم اختيارها للمحتوى الديناميكي، ومع ذلك، فهي خيار قابل للتطبيق وقابل للعمل (إلى حد ما). نقول ذلك كموقع بروكسي موثوق به مع \u003Ca href=\"https://dexodata.com/en/data-gathering\" target=\"_blank\" rel=\"noopener\">عناوين لجمع البيانات من الويب\u003C/a> يعرف هذا التجارة لجمع البيانات جيداً.\u003C/p>\n\u003Ch2>\u003Ca name=\"anchor1\">\u003C/a>جمع البيانات من الويب باستخدام PHP: الأساسيات والمتطلبات المسبقة\u003C/h2>\n\u003Cp>قبل المضي قدماً، تحقق مما إذا كنت على دراية جيدة بالأشياء أدناه.\u003C/p>\n\u003Col>\n\u003Cli>\u003Cspan style=\"color: #236fa1;\">\u003Cstrong>طلبات HTTP\u003C/strong>\u003C/span>. هنا نعني البروتوكول الذي تستخدمه الخوادم لإرسال واستقبال المعلومات. للحصول على بعض البيانات من وجود ما، يجب على المستخدم توجيه استعلام HTTP إلى الخادم المسؤول عن استضافة الصفحة. تحتوي PHP على وظائف مدمجة مثل \u003Ccode>cURL\u003C/code> و\u003Ccode>file_get_contents()\u003C/code>، بالإضافة إلى \u003Ccode>fopen()\u003C/code> التي تمكن المرء من توجيه استعلامات HTTP والحصول على المعلومات من الصفحات.\u003C/li>\n\u003Cli>\u003Cspan style=\"color: #236fa1;\">\u003Cstrong>تحليل HTML\u003C/strong>\u003C/span>. كلغة مصممة لـ “بناء” صفحات الويب، توفر PHP مثل هذه الأشياء المدمجة مثل \u003Ccode>DOMDocument\u003C/code> مع \u003Ccode>SimpleXMLElement\u003C/code> التي تمكن المستخدمين من تحليل HTML لجمع المعلومات.\u003C/li>\n\u003Cli>\u003Cspan style=\"color: #236fa1;\">\u003Cstrong>التعبيرات العادية\u003C/strong>\u003C/span> تعمل كأداة فعالة وقوية لمطابقة الأنماط والتلاعب بالنصوص. مرة أخرى، تقدم PHP وظائف مدمجة، مثل \u003Ccode>preg_match()\u003C/code> مع \u003Ccode>preg_replace()\u003C/code> التي تمكن المرء من استخدام التعبيرات العادية لجمع المعلومات المستمدة من المواقع.\u003C/li>\n\u003C/ol>\n\u003Cp>حتى هذه المفاهيم الأساسية ستكون كافية في حال كان المستخدمون يعتزمون إنشاء برنامج PHP بسيط قادر على نقل استعلامات HTTP إلى وجود، و“إنقاذ” HTML، وفي النهاية تحليل الكود وجمع المعلومات المطلوبة باستخدام نظام Dexodata من البروكسيات المستهدفة جغرافياً (مع تجربة مجانية للبروكسي المدفوع، بما في ذلك البروكسيات لوسائل التواصل الاجتماعي).\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor2\">\u003C/a>جمع بيانات الويب باستخدام PHP: سيناريو عينة\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>افترض أنه من الضروري جمع المعلومات الموجودة في وجود ما كقائمة من العناصر المعروضة للبيع (ما سنعرضه هو حالة بسيطة جداً، ستكون هناك حالات أكثر تقدماً في الأقسام التالية). من الضروري جمع الاسم والسعر والصورة لكل عنصر وحفظ تلك المعلومات كملف CSV. إليك أبسط طريقة للقيام بذلك، أي عندما لا توجد سيناريوهات معقدة وعوائق. فقط اتبع خطوات نظام Dexodata من البروكسيات المستهدفة جغرافياً.\u003C/p>\n\u003Cp>\u003Ccode><?php\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$url = 'https://sample.com/items';\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$html = file_get_contents($url);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$dom = new DOMDocument();\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$dom->loadHTML($html);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$products = $dom->getElementsByTagName('article');\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$data = [];\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>foreach ($items as $items) {\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>    $name = $item->getElementsByTagName('h2')[0]->textContent;\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>    $price = $item->getElementsByTagName('span')[0]->textContent;\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>    $image = $item->getElementsByTagName('img')[0]->getAttribute('src');\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>    $data[] = [$name, $price, $image];\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>}\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$fp = fopen('items.csv', 'w');\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>foreach ($data as $fields) {\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>    fputcsv($fp, $fields);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>}\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>fclose($fp);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>?>\u003C/code>\u003C/p>\n\u003Cp>لم يكن هناك شيء أسهل من ذلك!\u003C/p>\n\u003Cp>ما يراه القراء هنا هو أننا أولاً نقوم بنقل استعلام HTTP إلى الوجود بواسطة \u003Ccode>file_get_contents()\u003C/code>. بعد ذلك، ننتقل إلى تحليل محتوى HTML عبر فئة \u003Ccode>DOMDocument\u003C/code> ونجمع بعض المعلومات ذات الصلة عبر تقنية \u003Ccode>getElementsByTagName()\u003C/code>. ثم نكون أحراراً في حفظ المعلومات التي تم جمعها في مصفوفة متعددة الأبعاد، والتي تُكتب لاحقاً إلى ملف CSV عبر \u003Ccode>fputcsv()\u003C/code>.\u003C/p>\n\u003Cp>إذا كنت تشعر أن كل شيء واضح، دعنا نتحرك للأمام. سيظهر لك موقع Dexodata البروكسي الموثوق به مع خيارات التجربة المجانية للبروكسي الطريق لجمع البيانات.\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor3\">\u003C/a>التطور. المكتبات والأدوات\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>منذ نشأته، تطورت PHP بشكل كبير. ربما، لا تبدو مكتباتها “عصرية” و“فاخرة” (ليست Python)، ومع ذلك، تتمتع هذه اللغة بمجتمع ضخم من المشاركين الذين يدعمون المكتبات القابلة للعمل. دعونا نفحصها في سياق جمع البيانات من الويب. نحن، كموقع بروكسي موثوق يدير نظاماً من البروكسيات المستهدفة جغرافياً (بما في ذلك \u003Ca href=\"https://dexodata.com/en/blog/dexodata-proxies-for-instagram-tools\" target=\"_blank\" rel=\"noopener\">البروكسيات لوسائل التواصل الاجتماعي، مثل Instagram\u003C/a>) نقدم السلم التالي، في رأينا، من الخيارات الأبسط إلى الأكثر تقدماً.\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor4\">\u003C/a>1. Goutte\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>\u003Ca href=\"https://github.com/FriendsOfPHP/Goutte\" target=\"_blank\" rel=\"noopener\">Goutte هو مكتبة كاملة الميزات\u003C/a> يمكن تطبيقها مع إطار عمل PHP. يمكن إتقانها حتى من قبل المبتدئين لجمع البيانات المستمدة من HTML. منحنى التعلم في هذه الحالة ليس صعباً، بفضل تصميمها القابل للفهم القائم على الكائنات. أما بالنسبة للمزايا الأخرى، فهي تشمل مجتمعاً مرئياً، وحجماً كبيراً من الوثائق المفيدة، وأخيراً، السرعة. نظراً لأنها تعتمد على اتصالات HTTP 1.1 المستمرة، فهذا يعني أن المتصفح يحتاج إلى اتصال واحد فقط بالخادم. بعد ذلك، سيتم استخدام نفس الاتصال لجميع الطلبات بعد الطلب الأول.\u003C/p>\n\u003Cp>هناك بعض العيوب أيضاً. في بعض المشاريع، قد تواجه قيوداً لا يمكن تجاوزها بشأن المحتوى الديناميكي. دعونا نجرب Goutte وPHP في العمل وننقر على الصفحة المعنية (كما هو الحال دائماً، عند جمع أي شيء على الويب، لا تنسَ بروكسيات Dexodata السكنية، ومراكز البيانات، والشبكة المحمولة \u003Ca href=\"https://dexodata.com/en/pricing\" target=\"_blank\" rel=\"noopener\">المستهدفة جغرافياً المتاحة بأسعار مناسبة\u003C/a>).\u003C/p>\n\u003Cp>للشروع، يجب على المرء \u003Ca href=\"https://getcomposer.org/\" target=\"_blank\" rel=\"noopener\">تثبيت Composer\u003C/a>. يستخدم هذا لإدارة التبعيات عندما يتعلق الأمر بـ PHP. يمكّن المرء من إعلان المكتبات المهمة لمشروع ما.\u003C/p>\n\u003Cp>كل ما هو مطلوب هو تنفيذ هذا النوع من الأوامر في الطرفية:\u003C/p>\n\u003Cp>\u003Ccode>composer require fabpot/goutte\u003C/code>\u003C/p>\n\u003Cp>ثم أنشئ سكربت PHP للمبادرة. أعطه أي اسم تريده. ثم افتح سكربتك الجديدة وأضف هذه الأسطر من الكود لتشغيل Goutte:\u003C/p>\n\u003Cp>\u003Ccode>require 'vendor/autoload.php';\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>use Goutte\\Client;\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$client = new Client();\u003C/code>\u003C/p>\n\u003Cp>رائع، Goutte في حالة نشاط كامل وتم تهيئته! بعد ذلك، قدم هذه السطور أدناه إلى نهاية الملف لاسترجاع عنوان URL بواسطة \u003Ccode>client->request()\u003C/code>.\u003C/p>\n\u003Cp>\u003Ccode>$url = \"http://instance.com/\";\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$crawler = $client->request('GET', $url);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// انقر على رابط \"المزيد من المعلومات...\"\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$link = $crawler->selectLink('المزيد من المعلومات…')->link();\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$crawler = $client->click($link);\u003C/code>\u003C/p>\n\u003Cp>لقد استغرقنا بضع سطور من الكود لنصل إلى الوضع الصحيح للتنقل إلى وجود ما وإنجاز النقرات. الآن حان الوقت للجولة الثانية مع موقع Dexodata البروكسي الموثوق.\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor5\">\u003C/a>2. Simple HTML DOM\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>كونها محلل، تم تصميم هذا البرنامج للعمل مع أي مستند HTML، بما في ذلك تلك المستندات التي تُعرف بأنها غير صالحة وفقاً لمواصفات HTML المعنية. ميزة كبيرة لها هي أنها سهلة الإتقان، ولا تحتوي على أي محتوى JS خارجي لتحميله بشكل منفصل قبل البدء في العمل. تشمل المزايا الأخرى السرعة (لا يحتاج المستخدمون إلى تحميل صفحة كاملة في الذاكرة، لذا يمكنك معالجة مجموعة من صفحات HTML بشكل متزامن دون التأثير على أدائك) وحقيقة أنها خفيفة الوزن (أي أنه لا حاجة لتثبيت أي برامج أو مكتبات إضافية، PHP وحده سيكون كافياً).\u003C/p>\n\u003Cp>لا شك أن هناك قيوداً. سيكون وصولك إلى مكونات الصفحة محدوداً: يمكن للمرء تنفيذ التلاعبات مع هيكل الصفحة، لكن محتواها سيكون بعيد المنال. من الجدير بالذكر أن Simple HTML DOM صارمة جداً، لذا ما لم تكن إله HTML، ستكون الإمكانيات محدودة.\u003C/p>\n\u003Cp>لقد كان ذلك كافياً من النظرية، دعنا نتوجه إلى الممارسة.\u003C/p>\n\u003Cp>للشروع، احصل على أحدث إصدار من خلال زيارة هذا \u003Ca href=\"https://simplehtmldom.sourceforge.io/docs/1.9/index.html\" target=\"_blank\" rel=\"noopener\">مساحة توثيق Simple HTML DOM\u003C/a>. سيعطيك كل ما تحتاجه.\u003C/p>\n\u003Cp>أولاً، انسخ ملف \u003Ccode>simple_html_dom.php\u003C/code>. بعد ذلك، ببساطة ألصق الأخير في مشروعك النشط.\u003C/p>\n\u003Cp>أنشئ ملف PHP الخاص بك (الأسماء لا تهم). على سبيل المثال، webscrapingstuff.php.\u003C/p>\n\u003Cp>الآن، افتح الملف و“جهز” مشروعك بمكتبة Simple HTML DOM بإضافتها. استخدم الكود المقترح من موقع Dexodata البروكسي الموثوق أدناه:\u003C/p>\n\u003Cp>\u003Ccode>include('simple_html_dom.php');\u003C/code>\u003C/p>\n\u003Cp>أدخل هذا السطر من الكود. إنه مهم، لأنه سيوجهك إلى الصفحة نفسها:\u003C/p>\n\u003Cp>\u003Ccode>$html = file_get_html('http://instance.com/')\u003C/code>\u003C/p>\n\u003Cp>تستطيع \u003Ccode>file_get_html\u003C/code>، كونها جزءاً من Simple HTM DOM، استرجاع HTML المرتبط بعنوان URL الذي تحدده. لاحقاً، تسلم كائن DOM الذي يخزن متغير \u003Ccode>$html\u003C/code> لدينا.\u003C/p>\n\u003Cp>لنقل أنك بحاجة إلى العنوان الرئيسي. للحصول على ذلك العنوان H1 الأول، استخدم هذا الكود:\u003C/p>\n\u003Cp>\u003Ccode>echo $html->find('h1', 0)->plaintext;\u003C/code>\u003C/p>\n\u003Cp>إذا فتحت هذا الملف الناتج على خادم الويب الخاص بك، ستجد ما تحتاجه هناك.\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor6\">\u003C/a>3. PHP Scraper\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>كنظام من عناوين IP الموثوقة والمستهدفة جغرافياً والمركزة على جمع البيانات، لا يمكننا تجاهل \u003Ca href=\"https://phpscraper.de\" target=\"_blank\" rel=\"noopener\">PHP Scraper\u003C/a>. الأخير يعمل كأداة تمكّن المجمعين من جمع المعلومات عبر سكربتات PHP. هذه الطريقة تعني عدم الحاجة لكتابة الكثير من الكود بنفسك. كل ما هو مطلوب هو استخدام أوامر بسيطة مثل \u003Ccode>find_element_by_class\u003C/code> أو \u003Ccode>find_element_by_id\u003C/code>. ستكون كافية لمكونات محددة على أي وجود معين من خلال كتابة رقم فئتها أو معرفها.\u003C/p>\n\u003Cp>هل هناك أي مشاكل؟ بالطبع، هناك بعض. قد لا يتناسب PHP Scraper مع كل حالة استخدام ممكنة، طالما أنه، بطبيعة الحال، يعتمد على PHP. وبالتالي، فهو متوافق مع الخوادم المرتبطة بـ Apache أو Nginx والمكونة عبر \u003Ccode>mod_rewrite\u003C/code> المفعلة بشكل افتراضي. PHP Scraper ليس وجهتك إذا كنت تعتزم جمع المعلومات من API أو التحليل عبر وجودات HTML معقدة.\u003C/p>\n\u003Cp>على أي حال، دعونا نشغل سيناريو أساسياً.\u003C/p>\n\u003Cp>يجب على قرائنا تثبيت Composer، كما فعلنا في قسم Goutte. بعد ذلك، أضف مكتبة الموضوع قيد المناقشة إلى مشروعك، باستخدام هذا الكود عبر Composer:\u003C/p>\n\u003Cp>\u003Ccode>composer require spekulatius/phpscraper\u003C/code>\u003C/p>\n\u003Cp>بمجرد أن يتم تجاوز مرحلة التثبيت، يتولى محمل تلقائي Composer الحزمة. في حال كان المرء يعمل مع مكتبة VanillaPHP، يجب عليهم دمج المحمل التلقائي في سكربتهم، كما هو موضح أدناه:\u003C/p>\n\u003Cp>\u003Ccode>require 'vendor/autoload.php'\u003C/code>\u003C/p>\n\u003Cp>كتمرين، أنشئ سكربتاً يصل إلى وجود ما ويعد عدد الروابط المنشورة هناك. ابدأ البرنامج وامنحه متغيراً، كما هو موضح هنا:\u003C/p>\n\u003Cp>\u003Ccode>$web = new \\spekulatius\\phpscraper();\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>أعط البرنامج أمراً لزيارة عنوان URL:  \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$web->go(' [http://instance.com/](http://instance.com/) ');\u003C/code>\u003C/p>\n\u003Cp>أضف هذا الجزء من الكود المخصص لأخذ كل رابط موجود في الوجود وطباعة عددها.\u003C/p>\n\u003Cp>\u003Ccode>// طباعة عدد الروابط.\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>echo \"تحتوي هذه الصفحة على \" . count($web->links) . \" روابط.\n\n\";\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// حلقة عبر الروابط\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>foreach ($web->links as $link) {\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>echo \" - \" . $link . \"\n\";\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>}\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>/**\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>* سيقوم هذا الكود بطباعة:\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>*\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>* تحتوي هذه الصفحة على 1 رابط.\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>*\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>* - https://www.iana.org/domains/instance\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>*/\u003C/code>\u003C/p>\n\u003Cp>تذكر فقط: نحن نستخدم عنواناً غير حقيقي.\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor7\">\u003C/a>4. PHP cURL لعمليات جمع البيانات\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>بعد مراجعة مجموعة من الخيارات المتاحة لأنشطة الجمع بواسطة PHP، يقدم لك موقع Dexodata البروكسي الموثوق خياراً إضافياً مريحاً وشائعاً. نحن بالطبع نعني \u003Ca href=\"https://www.php.net/manual/en/book.curl.php\" target=\"_blank\" rel=\"noopener\">\u003Ccode>cURL\u003C/code>، مكتبة وأداة سطر أوامر\u003C/a> (عادةً ما تكون متاحة مع اللغة بشكل افتراضي) تمكّن المستخدمين من إرسال واستلام الملفات عبر HTTP وFTP. أثناء العمل بها، يمكن للمرء استخدام بروكسيات مستهدفة جغرافياً (بما في ذلك تلك المقدمة مع تجربتنا المجانية للبروكسي المدفوع)، نقل البيانات عبر اتصالات SSL، تحديد الكوكيز، والمزيد. دعونا نجرب ذلك في الممارسة.\u003C/p>\n\u003Cp>أنشئ سكربت PHP جديداً وأضف هذا الكود:\u003C/p>\n\u003Cp>\u003Ccode>// تهيئة curl\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$ch = curl_init();\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// عنوان URL لجمع البيانات\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($ch, CURLOPT_URL,\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>'https://dexodata.com/en/blog');\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// إعادة نقل البيانات إلى True\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$output = curl_exec($ch);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// إغلاق cURL\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_close($ch);\u003C/code>\u003C/p>\n\u003Cp>تحديد \u003Ccode>CURLOPT_RETURNTRANSFER\u003C/code> كـ \u003Ccode>TRUE \u003C/code>يقدم الصفحة في شكل سلسلة بدلاً من إخراجها مباشرة. وبالتالي، يأخذ كودنا المعلومات التي نحتاجها لجمعها من الموقع.\u003C/p>\n\u003Cp>يمكن للمرء إلقاء نظرة على هذه البيانات عبر echo مع المتغير لتخزين البيانات:\u003C/p>\n\u003Cp>\u003Ccode>echo $output\u003C/code>\u003C/p>\n\u003Cp>خطوتنا التالية هي وضع هذه المعلومات في مستند DOM، مما سيمكننا من الوصول إليها لأغراض جمع البيانات.\u003C/p>\n\u003Cp>\u003Ccode>$dom = new DOMDocument;\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$dom->loadHTML($output);\u003C/code>\u003C/p>\n\u003Cp>حالياً، لدينا معلوماتنا كهيكل HTML داخل متغير. أنشئ بعض الأكواد الإضافية لطباعة كل رابط متاح من صفحة HTML:\u003C/p>\n\u003Cp>\u003Ccode>$tags = $dom->getElementsByTagName('a');\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>for($I=0; $I < $tags->length; $I++){\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$link = $tags->item($i);\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>echo \" - \" . $link . \"\n\";\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>}\u003C/code>\u003C/p>\n\u003Cp>بالمناسبة، كمصدر للبروكسيات المستهدفة جغرافياً مع فرص التجربة المجانية للبروكسي، نحث المستخدمين على عدم نسيان حماية مبادرات جمع البيانات الخاصة بهم بالعناوين التي نقدمها (على سبيل المثال، \u003Ca href=\"https://dexodata.com/en/residential-proxies\" target=\"_blank\" rel=\"noopener\">IP السكنية عالية الجودة من مزودي الخدمة\u003C/a> أو، بدلاً من ذلك، بروكسياتنا المحمولة عالية الجودة). ستظهر لك نظام Dexodata الطريق لتحقيق ذلك عبر \u003Ccode>cURL\u003C/code>. كل ما يحتاجون إليه هو اتباع الصيغة.\u003C/p>\n\u003Cp>\u003Ccode>curl --proxy <proxy-ip>:<proxy-port> <url>\u003C/code>\u003C/p>\n\u003Cp>أولاً، يجب إدخال قسم <proxy-ip> IP، بينما القسم الثاني <proxy-port> مخصص، كما هو متوقع، لرقم المنفذ. في النهاية، سيبدو هكذا:\u003C/p>\n\u003Cp>\u003Ccode>curl --proxy 193.191.56.12:7070 -k https://dexodata.com/en/blog\u003C/code>\u003C/p>\n\u003Cp>طالما أن العنوان وظيفي، وأن الاستعلام ناجح، سيظهر سكربتنا محتوى الوجود ليخرج بعد ذلك. \u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor8\">\u003C/a>إنشاء برنامج جمع البيانات: سيناريو عينة\u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>دعونا نتخيل وجوداً للتجارة الإلكترونية مع قائمة من العناصر المعروضة للبيع نريد جمعها عبر PHP. ماذا يجب أن نفعل؟ ما البدائل التي يجب أن نستخدمها؟ اتبع موقعنا البروكسي الموثوق وراجع هذا السيناريو العينة.\u003C/p>\n\u003Cp>ابدأ بتنزيل كامل HTML للوجود التجاري عبر إمكانيات PHP و\u003Ccode>cURL\u003C/code> القديم الجيد، كالتالي:\u003C/p>\n\u003Cp>\u003Ccode>// تهيئة طلب cURL \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$curl = curl_init(); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// تعيين عنوان URL للوصول إليه عبر طلب HTTP GET \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_URL, \"https://scrapeme.live/shop/\"); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// الحصول على البيانات التي تم إرجاعها بواسطة طلب cURL كسلسلة \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_RETURNTRANSFER, true); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// جعل طلب cURL يتبع عمليات إعادة التوجيه المحتملة، \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// والوصول إلى الصفحة النهائية المعنية \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_FOLLOWLOCATION, true); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// تنفيذ طلب cURL و \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// الحصول على HTML الصفحة كسلسلة \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$html = curl_exec($curl); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// تحرير موارد cURL \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_close($curl);\u003C/code>\u003C/p>\n\u003Cp>الأشياء المتعلقة بـ HTML في تصرفنا الكامل، بفضل Dexodata. تدبيرك التالي هو تحميل \u003Ccode>$html\u003C/code> في مثيل \u003Ccode>HtmlDomParser\u003C/code> الذي يتضمن وظيفة \u003Ccode>str_get_html()\u003C/code>. انظر كيف يمكن القيام بذلك أدناه:\u003C/p>\n\u003Cp>\u003Ccode>require_once __DIR__ . \"../../vendor/autoload.php\";\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>use voku\\helper\\HtmlDomParser; \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$curl = curl_init(); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_URL, \"https://scrapeme.live/shop/\"); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_RETURNTRANSFER, true); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_FOLLOWLOCATION, true); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$html = curl_exec($curl); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_close($curl); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// تهيئة HtmlDomParser \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$htmlDomParser = HtmlDomParser::str_get_html($html);\u003C/code>\u003C/p>\n\u003Cp>أنت وموقعنا البروكسي الموثوق الآن في الوضع الصحيح لتطبيق \u003Ccode>HtmlDomParser\u003C/code> لغرض تصفح DOM لوجود HTML وبدء عملية جمع البيانات بشكل فعال.\u003C/p>\n\u003Cp>هذا ما تسعى Dexodata لتحقيقه. لجعل ذلك يحدث، “أنقذ” القائمة الكاملة لجميع الروابط المتعلقة بالصفحات في سيناريوهاتنا. في حالتنا، سيتيح لنا ذلك الزحف عبر قسم الويب الكامل. انقر بزر الماوس الأيمن على مكون HTML المتعلق برقم الصفحات واختر \"فحص\". بعد ذلك، ستظهر أدوات المطور لدينا عنصر DOM.\u003C/p>\n\u003Cp style=\"text-align: center;\">\u003Cimg src=\"https://blog.dexodata.com/storage/uploads/images/129/15-3-geo-targeted-proxies-php-and-data-collection-1032x491-d5d805e4-e80c-4dfc-a6e5-401c7a54a0fc.png\" alt=\"كيفية جمع البيانات باستخدام PHP مع موقع بروكسي موثوق\" width=\"1032\" height=\"491\">\u003C/p>\n\u003Cp>دعونا نتحرك للأمام مع نظام Dexodata من البروكسيات المستهدفة جغرافياً. يمكن للمرء أن يتوقع أن \u003Ccode>.page-numbers\u003C/code>، بصفة فئة CSS، ستحدد مكونات HTML المتعلقة بالصفحات. ومع ذلك، تود فريق موقعنا البروكسي الموثوق أن تذكرنا جميعاً أن فئة CSS قد لا تحدد بالضرورة مكون HTML بشكل فريد. قد تكون هناك عدة عقد مرتبطة بنفس الفئة الواحدة.\u003C/p>\n\u003Cp>لذلك، إذا كانت نيتك هي استخدام محدد CSS لجمع المكونات في DOM، يجب عليك حتماً استخدام فئة CSS مع محددات أخرى. على وجه التحديد، يمكن للمستخدمين استخدام مساعد HtmlDomParser، مع \u003Ccode>.page-numbers\u003C/code> كمحدد CSS، لاختيار جميع مكونات HTML المتعلقة بالصفحات. ثم سيقترح نظامنا من البروكسيات المستهدفة جغرافياً عليك التكرار عبرها لجمع كل الروابط المطلوبة مباشرة من خاصية href.\u003C/p>\n\u003Cp>تحقق من هذا:\u003C/p>\n\u003Cp>\u003Ccode>// استرجاع عناصر HTML المتعلقة بالصفحات مع \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// محدد CSS \".page-numbers a\" \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$paginationElements = $htmlDomParser->find(\".page-numbers a\"); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$paginationLinks = []; \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>foreach ($paginationElements as $paginationElement) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// ملء مجموعة paginationLinks بالرابط \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// المستخرج من خاصية href لعنصر HTML المتعلق بالصفحات \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$paginationLink = $paginationElement->getAttribute(\"href\"); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// تجنب التكرارات في قائمة الروابط \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>if (!in_array($paginationLink, $paginationLinks)) { \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$paginationLinks[] = $paginationLink; \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>}  \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>}\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// طباعة مصفوفة paginationLinks \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>print_r($paginationLinks);\u003C/code>\u003C/p>\n\u003Cp>انتبه إلى أن \u003Ccode>find()\u003C/code> يمكّن المستخدمين من \u003Ca href=\"https://github.com/voku/simple_html_dom/blob/master/README_API.md#findstring-selector-intnull-idx-simplehtmldominterfacesimplehtmldominterfacesimplehtmldomnodeinterfacesimplehtmldominterface\" target=\"_blank\" rel=\"noopener\">جمع مكونات DOM\u003C/a> بناءً على محدد CSS. علاوة على ذلك، في سيناريو Dexodata الافتراضي، يتم عرض المكونات المتعلقة بالصفحات مرتين على كل صفحة من وجود التجارة الإلكترونية. يحتاج المرء إلى تقديم حيلة فريدة ومعدلة للتعامل مع قضية المكونات المكررة عندما تكون مصفوفة \u003Ccode>$paginationLinks\u003C/code> في خطر.\u003C/p>\n\u003Cp>إليك ما سنراه إذا حاولنا تشغيل سكربتنا للسيناريو:\u003C/p>\n\u003Cp>\u003Ccode>Array ( \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>[0] => https://scrapeme.live/shop/page/2/ \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>[1] => https://scrapeme.live/shop/page/3/ \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>[2] => https://scrapeme.live/shop/page/4/ \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>[3] => https://scrapeme.live/shop/page/46/ \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>[4] => https://scrapeme.live/shop/page/47/ \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>[5] => https://scrapeme.live/shop/page/50/ \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>)\u003C/code>\u003C/p>\n\u003Cp>لاحظ أن جميع العناوين تمتلك هيكلاً متماثلاً. أي أنها جميعاً مُعلمة برقم نهائي مسؤول عن الصفحات. إذا كان القراء يعتزمون التكرار عبر كل منها، فإن الشيء الوحيد الذي يحتاجونه هو الرقم التعريفي المرتبط بالصفحة النهائية.\u003C/p>\n\u003Cp>يمكن استرجاعه كما هو موضح أدناه:\u003C/p>\n\u003Cp>\u003Ccode>// إزالة جميع الأحرف غير الرقمية في العنصر الأخير من \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// مصفوفة $paginationLinks لاسترجاع أعلى رقم للصفحات \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$highestPaginationNumber = preg_replace(\"/\\D/\", \"\", end($paginationLinks));\u003C/code>\u003C/p>\n\u003Cp>لنقل أن \u003Ccode>$highestPaginationNumber\u003C/code> لدينا سيكون \"50\".\u003C/p>\n\u003Cp>لذا، حان الوقت لجمع المعلومات التي تصف منتجاً فردياً مع فريق Dexodata. نحتاج إلى النقر بزر الماوس الأيمن على عنصر وتفعيل نافذة أدوات المطور، متبوعة بـ \"فحص\". يمكن للمرء أن يتوقع أن العنصر سيكون “مكوناً من” عنصر HTML \u003Ccode>li.product\u003C/code> يحتوي على رابط، وصورة، وعنوان، وسعر. مثل هذه المعلومات تأتي من مكونات HTML \u003Ccode>a\u003C/code>، ثم \u003Ccode>mg\u003C/code>، ثم \u003Ccode>h2\u003C/code>، ثم \u003Ccode>span\u003C/code>، على التوالي.\u003C/p>\n\u003Cp>يقترح موقع Dexodata البروكسي الموثوق هذه الطريقة لجمع هذه المعلومات عبر HtmlDomParser:\u003C/p>\n\u003Cp>\u003Ccode>$productDataLit = array(); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// استرجاع قائمة المنتجات على الصفحة \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$productElements = $htmlDomParser->find(\"li.product\"); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>foreach ($productElements as $productElement) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// استخراج بيانات المنتج \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$url = $productElement->findOne(\"a\")->getAttribute(\"href\"); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$image = $productElement->findOne(\"img\")->getAttribute(\"src\"); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$name = $productElement->findOne(\"h2\")->text; \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$price = $productElement->findOne(\".price span\")->text; \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// تحويل بيانات المنتج إلى مصفوفة مرتبطة \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$productData = array( \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>\"url\" => $url, \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>\"image\" => $image, \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>\"name\" => $name, \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>\"price\" => $price \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$productDataList[] = $productData; \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>}\u003C/p>\n\u003Cp>بمجرد أن ينجح منطقنا في جمع جميع أجزاء معلومات العنصر من صفحة واحدة، ويحفظها لاحقاً كمصفوفة \u003Ccode>$productDataList\u003C/code>. طبق هذا المنطق على كل صفحة.\u003C/p>\n\u003Cp>\u003Ccode>// التكرار عبر جميع صفحات \"/shop/page/X\" واسترجاع جميع بيانات المنتجات \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>for ($paginationNumber = 1; $paginationNumber <= $highestPaginationNumber; $paginationNumber++) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$curl = curl_init(); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>curl_setopt($curl, CURLOPT_URL, \"https://scrapeme.live/shop/page/$paginationNumber/\"); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>curl_setopt($curl, CURLOPT_RETURNTRANSFER, true); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$pageHtml = curl_exec($curl); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>curl_close($curl); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$paginationHtmlDomParser = HtmlDomParser::str_get_html($pageHtml); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// منطق جمع البيانات... \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>}\u003C/p>\n\u003Cp>رائع! لقد وصلنا إلى الوضع الذي يمكننا فيه استخراج البيانات كما هو مخطط.\u003C/p>\n\u003Cp style=\"line-height: 0.5;\"> \u003C/p>\n\u003Ch3>\u003Ca name=\"anchor9\">\u003C/a>ملاحظات نهائية \u003C/h3>\n\u003Cp style=\"line-height: 0.1;\"> \u003C/p>\n\u003Cp>تشغيل نظام من البروكسيات المستهدفة جغرافياً، نود إنهاء هذا الدليل ببعض الملاحظات. حاول تجنب أن يتم اكتشافك وتقييدك كجامع بيانات. لذلك، نذكرك بالبروكسيات التي ذكرناها بالفعل.\u003C/p>\n\u003Cp>إليك تذكير آخر حول كيفية إضافة معرفات البروكسي الخاصة بك:\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_PROXY, \"<PROXY_URL>\"); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_PROXYPORT, \"<PROXY_PORT>\"); \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_PROXYTYPE, \"<PROXY_TYPE>\");\u003C/code>\u003C/p>\n\u003Cp>1. يمكن أن تشكل طبقة إضافية من الحماية بواسطة رأس HTTP user-agent. حسب التعريف، \u003Cspan style=\"font-family: monospace; background-color: #b4d7ff;\">cURL\u003C/span> سيقوم دائماً بتعيين شيء مثل \u003Ccode>curl/XX.YY.ZZ\u003C/code>. لن يكون من الصعب القبض على مستخدم بمثل هذا الرأس. بدلاً من ذلك، حاول “اللعب” مع الرأس هنا.\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_USERAGENT, \"<USER_AGENT_STRING>\");\u003C/code>\u003C/p>\n\u003Cp>نتيجة لذلك، ستضع شيئاً مثل هذا، مثال تم العثور عليه على الإنترنت:\u003C/p>\n\u003Cp>\u003Ccode>curl_setopt($curl, CURLOPT_USERAGENT, \"Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.6\")\u003C/code>\u003C/p>\n\u003Cp>2. ملاحظة أخرى من Dexodata تركز على المحتوى الديناميكي. لقد أكدنا أن استعلام \u003Ccode>GET cURL\u003C/code> المعتاد لن يساعدك في ذلك، ستتطلب تقنيات أكثر تقدماً. عد إلى \u003Ca href=\"https://dexodata.com/en/blog/using-java-for-data-scraping-and-harvesting-on-the-web\" target=\"_blank\" rel=\"noopener\">الدليل المخصص لـ JS\u003C/a> وتعلم المزيد عن المتصفحات بدون واجهة المستخدم، أي حزم برامج تصفح بدون واجهة مستخدم. سيساعدك ذلك في بناء جامع بيانات يتفاعل مع وجود ما مثل مستخدم حقيقي ويستخرج المحتوى الديناميكي في الوقت نفسه.\u003C/p>\n\u003Cp>3. ملاحظتنا الثالثة مخصصة لجمع البيانات المتوازي. يعد تعدد الخيوط في PHP تحدياً ولكنه أحياناً لا مفر منه. إليك كيفية التعامل مع هذا التحدي مع موقع Dexodata البروكسي الموثوق. مفهومنا هو تمكين سكربت جمع البيانات الخاص بك من التنفيذ على عدة مثيلات من خلال تطبيق \u003Ccode>HTTP GET\u003C/code> المعلمات.\u003C/p>\n\u003Cp>قم بتعديل السكربت بحيث لا يتكرر عبر جميع الصفحات وركز بدلاً من ذلك على قطع أصغر متوازية. إليك كيفية تعديل السكربت وتعيين حدود “القطعة”. ببساطة قم بتعيين بعض معلمات GET، تماماً كما هو موضح أدناه:\u003C/p>\n\u003Cp>\u003Ccode>$from = null; \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>$to = null; \u003C/code>\u003C/p>\n\u003Cp> \u003C/p>\n\u003Cp>\u003Ccode>if (isset($_GET[\"from\"]) && is_numeric($_GET[\"from\"])) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$from = $_GET[\"from\"]; \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>} \u003C/p>\n\u003Cp>\u003Ccode>if (isset($_GET[\"to\"]) && is_numeric($_GET[\"to\"])) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>$to = $_GET[\"to\"]; \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>} \u003C/p>\n\u003Cp>\u003Ccode>if (is_null($from) || is_null($to) || $from > $to) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>die(\"معلمات من وإلى غير صالحة!\"); \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>} \u003C/p>\n\u003Cp>\u003Ccode>// جمع فقط الصفحات المتعلقة بالصفحات التي رقمها \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>// من \"$from\" إلى \"$to\" \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>for ($paginationNumber = $from; $paginationNumber <= $to; $paginationNumber++) { \u003C/code>\u003C/p>\n\u003Cp>\u003Ccode>\u003Cspan style=\"white-space: normal;\">\u003Cspan style=\"white-space: pre;\"> \u003C/span>// منطق جمع البيانات... \u003C/span>\u003C/code>\u003C/p>\n\u003Cp>}\u003C/p>\n\u003Cp>\u003Ccode>// كتابة البيانات المجمعة إلى قاعدة بيانات/ملف\u003C/code>\u003C/p>\n\u003Cp>هذا سيجعلك جاهزاً لبدء عدة مثيلات عن طريق تفعيل عدة روابط في المتصفح:\u003C/p>\n\u003Cp>\u003Ccode>https://instance.com/scripts/scrapeme.live/scrape-products.php?from=1&to=5 \u003C/code>\u003C/p>\n\u003Cp>وما شابه.\u003C/p>\n\u003Cp>سيتم تنفيذها بالتوازي وجمع المحتوى في وقت واحد. هذا كل شيء. شكراً لك على البقاء مع Dexodata، نظامك الأخلاقي من البروكسيات السكنية، ومراكز البيانات، والمحمولة \u003Ca href=\"https://dexodata.com/en/blog/why-dexodata-implements-aml-and-kyc-policies\" target=\"_blank\" rel=\"noopener\">مع تطبيق جميع معايير KYC وAML\u003C/a>.\u003C/p>\u003C/body>\u003C/html>\n",[],[],1783936374686]