Goutte——一个简单的PHP网页抓取库

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。