【php】根据书名搜索对应封面的API服务

因为今年的webapp中有个功能需要根据书名搜索封面，但是市面上没有可用的开放API，于是只能自己撸一个了。

因为自己之前没有这方面的经历，同时也没有把这个服务做成怎么怎么高大上的打算。初衷就是一个开发快、查询快的单页面接口。

思路一：通过国家数字图书馆的接口

中国国家数字图书馆

中国国家数字图书馆 传送门

中国国家数字图书馆中包含了所有印刷出品书籍的副本（之前在“知网事件”中了解到），所以能不能通过调用抓包搜索接口来获取图片的封面呢？

经过测试是可行的，但是有2个缺点：

1. 图片不能自定义尺寸，涉及到后期裁切API
2. 国家的，风险很大

开发难度：★★★☆☆
开发速度：★★★☆☆
牢饭概率：★★☆☆☆

思路二：通过第三方的开放API平台

第三方的开放API平台

试用了几家API提供商，大多是数据不全的。有些近年来很火的玄幻、言情、都市小说根本查不到。

思路三：通过聚合抓取知名小说站点的搜索结果

抓取流程图

遍历抓取知名小说网站的结果来获取封面。

这个方法存在的缺点是：

1. 抓取频率大，浪费时间多
2. 后期维护成本高，对应每一个网站都要单独写抓取规则
3. 部分站点存在反爬虫机制，抓取难度大

开发难度：★★★★★
开发速度：★☆☆☆☆
牢饭概率：★★★☆☆

思路四：通过搜索引擎的结果来获取

搜索引擎的结果

如某搜索引擎的第一条搜索结果会变成该小说的封面，且该图片url地址支持图片处理。即可通过url中的w和h参数来生成对应宽高的封面图，无需在代码中进行图片裁切操作。

使用该方法的好处是：

1. 搜索引擎的线路好，查询速度快
2. 支持url图片处理，无需再写图片裁切代码

开发难度：★☆☆☆☆
开发速度：★★★★★
牢饭概率：★☆☆☆☆

正式开工

出于某些安全原因考虑，代码就不开源了。这里只说一下几个开发要点

1. 首先设置屏蔽错误和允许跨域

1
2
3
4

<?php
error_reporting(0);
header('Access-Control-Allow-Origin:*'); // *代表允许任何网址请求
header('Access-Control-Allow-Methods:POST,GET,OPTIONS,DELETE'); // 允许请求的类型

2. 使用curl来做数据请求

1
2
3
4
5
6
7
8
9

$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, "要请求的URL");
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($curl, CURLOPT_TIMEOUT, 10);
curl_setopt($curl, CURLOPT_FOLLOWLOCATION, false);
curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, FALSE);
curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, FALSE);
$data = curl_exec($curl); // data就是返回的页面结果
curl_close($curl);

3. 使用DOMXPATH类，通过XPATH表达式读取数据

1
2
3
4
5
6
7
8

// 阻止因为页面元素不规范引起的报错
$libxml_previous_state = libxml_use_internal_errors(true);
$domInstance = new \DOMDocument();
$domInstance->loadHTML('<?xml encoding="UTF-8">' . '网页源代码');
// 阻止因为页面元素不规范引起的报错
libxml_clear_errors();
libxml_use_internal_errors($libxml_previous_state);
$XPath = new \DOMXPath($domInstance);

DOMXPath的用法可以看这里 传送门，主要用到的还是$XPath->query(‘XPath表达式’)。

然后遍历解析DOM元素的属性值，拿到图片url输出即可。

4. 网络异常、IP被ban、获取数据失败时的错误处理

关键位置try{}catch($e){}，最好设置一个默认返回值用于在异常时返回。

小结

代码量不多，50行左右就完成了一个查询封面服务。同时在代理IP池足够大的情况下完全可以保证高可用。