ramphor/rake

The spider/crawler framework written in PHP

1.3.1 2025-02-14 05:28 UTC

Requires

• php: >=7.4
• guzzlehttp/psr7: ^2.7.0
• php-http/httplug: ^2.1
• psr/log: ^1.0.1
• ramphor/httplug-guzzle6-adapter: ^2.0.2
• ramphor/php-html-parser: ^3.1.0
• ramphor/sql: 1.0.0

MIT

• Ramphor Premium

README

The spider/crawler framework written in PHP

Example code

$rake  = new Rake( 'rake_id', new Your_DB_Driver(), new Your_HTTP_Client() );
$tooth = new Your_Tooth_Class( 'cp_products', $rake );
$feed  = new Sitemap( 'feed_id' );
$feed->setUrl('https://site_map_url.com');
$feed->setTooth( $tooth );

$tooth->registerProcessor( new Your_Processor() );
$tooth->setFormat( Tooth::FORMAT_HTML );
$tooth->addFeed( $feed );

$rake->addTooth( $tooth );
$rake->execute();

Kiến trúc:

• Sử dụng mô hình Facade để truy cập các service
• Có các abstract class và interface định nghĩa các contract
• Sử dụng dependency injection
• Có khả năng mở rộng thông qua các class kế thừa

Các thành phần chính:

• App: Singleton class quản lý các instance
• Rake: Class chính để thực hiện crawl
• Tooth: Abstract class định nghĩa cách xử lý dữ liệu
• Feed: Abstract class định nghĩa nguồn dữ liệu
• Resource: Quản lý tài nguyên (ảnh, file...)
• Parser: Xử lý dữ liệu thô thành FeedItem

Luồng xử lý:

• Khởi tạo Rake instance
• Thêm các Tooth để xử lý dữ liệu
• Tooth chứa Feed để lấy dữ liệu
• Parser chuyển đổi dữ liệu thành FeedItem
• Processor xử lý FeedItem = Resource Manager quản lý tài nguyên

Các tính năng:

• Hỗ trợ nhiều loại feed (CSV, HTML, Sitemap)
• Có khả năng download và xử lý tài nguyên
• Lưu trữ dữ liệu vào database
• Có hệ thống logging
• Có cơ chế retry khi lỗi

Adapter to working with your CMS/Framework

• WordPress: https://github.com/puleeno/rake-wordpress-adapter
• Laravel: https://github.com/puleeno/rake-laravel-adapter