README

Goutte是一个PHP的屏幕抓取和网页爬取库。

Goutte提供了一个便捷的API来爬取网站并从HTML/XML响应中提取数据。

要求

Goutte适用于PHP 5.3.3或更高版本。

安装

安装Goutte非常简单。下载Goutte.phar文件即可完成安装！

使用方法

在脚本中引入Goutte phar文件以使用Goutte

require_once '/path/to/goutte.phar';

创建一个Goutte Client实例（它扩展了Symfony\Component\BrowserKit\Client）

use Goutte\Client;

$client = new Client();

使用request()方法进行请求

// Go to the symfony.com website
$crawler = $client->request('GET', 'http://www.symfony.com/blog/');

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

点击链接

// Click on the "Security Advisories" link
$link = $crawler->selectLink('Security Advisories')->link();
$crawler = $client->click($link);

提取数据

// Get the latest post in this category and display the titles
$crawler->filter('h2.post > a')->each(function ($node) {
    print $node->text()."\n";
});

提交表单

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

更多信息

阅读BrowserKit和DomCrawler Symfony组件的文档以获取有关Goutte更多使用信息。

技术信息

Goutte是对以下优秀的PHP库的轻量级封装：

• Symfony组件：BrowserKit, ClassLoader, CssSelector, DomCrawler, Finder, 和 Process；
• Guzzle HTTP组件。

许可证

Goutte遵循MIT许可证。