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
GLM-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】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0117AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
223
2.26 K

暂无简介
Dart
525
116

React Native鸿蒙化仓库
JavaScript
210
286

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

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)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

Ascend Extension for PyTorch
Python
67
97

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-4.6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