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 16:11:10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

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
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
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8