首页
/ Goutte——一个简单的PHP网页抓取库

Goutte——一个简单的PHP网页抓取库

2024-12-20 16:02:43作者:昌雅子Ethen

Goutte 是一个用于 PHP 的网页抓取和网页爬虫库。它提供了一个良好的 API,用于爬取网站并从 HTML/XML 响应中提取数据。

1. 安装指南

Goutte 依赖于 PHP 7.1 或更高版本。

在您的 composer.json 文件中添加 fabpot/goutte 作为必需依赖项:

composer require fabpot/goutte

2. 项目的使用说明

创建一个 Goutte 客户端实例(它继承自 Symfony\Component\BrowserKit\HttpBrowser):

use Goutte\Client;

$client = new Client();

使用 request() 方法发送请求:

// 访问 symfony.com 网站
$crawler = $client->request('GET', 'https://www.symfony.com/blog/');

该方法返回一个 Crawler 对象(Symfony\Component\DomCrawler\Crawler)。

要使用自己的 HTTP 设置,您可以创建并传递一个 HttpClient 实例给 Goutte。例如,添加一个 60 秒的请求超时:

use Goutte\Client;
use Symfony\Component\HttpClient\HttpClient;

$client = new Client(HttpClient::create(['timeout' => 60]));

点击链接:

// 点击 "Security Advisories" 链接
<link> = $crawler->selectLink('Security Advisories')->link();
$crawler = $client->click($link);

提取数据:

// 获取该分类下的最新文章并显示标题
$crawler->filter('h2 > a')->each(function ($node) {
    print $node->text()."\n";
});

提交表单:

$crawler = $client->request('GET', 'https://github.com/');
$crawler = $client->click($crawler->selectLink('Sign in')->link());
$form = $crawler->selectButton('Sign in')->form();
$crawler = $client->submit($form, ['login' => 'fabpot', 'password' => 'xxxxxx']);
$crawler->filter('.flash-error')->each(function ($node) {
    print $node->text()."\n";
});

3. 项目API使用文档

Goutte 的 API 使用非常简单,主要包括以下几个部分:

  • Client 类:用于创建客户端实例并发送请求。
  • Crawler 类:用于从 HTML/XML 响应中提取数据。
  • HttpClient 类:用于设置 HTTP 请求的各种参数。

更多关于这些类的使用,请参考官方文档。

4. 项目安装方式

项目的安装方式已在 "安装指南" 部分说明。您只需通过 Composer 添加依赖项即可。

composer require fabpot/goutte

以上就是关于 Goutte 的技术文档,希望对您有所帮助。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
223
2.26 K
flutter_flutterflutter_flutter
暂无简介
Dart
525
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
210
286
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
984
581
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
44
0