在laravel中使用Symfony的Crawler组件分析HTML
|
Crawler全名是DomCrawler，是Symfony框架的组件。令人发指的是DomCrawler的没有中文文档，Symfony也没有翻译该部分，所以使用DomCrawler开发只能一点一点摸索，现将使用过程中的经验总结。 首先是安装css-seelctor 是 css选择器，用css选择节点时一些函数会用到 手册里面使用的例子是 nodeName);
}
打印的结果是 因为这段html代码的nodeName就是html，英语不好，开始使用的时候还以为程序错了。。。 实际使用过程，如果new Crawler($html)会出现乱码问题，应该是与页面编码有关，所以可以采用下面的方式，先初始化crawler，然后添加node addHtmlContent($html);
addHtmlContent的第二个参数是charset，默认是utf-8。 其他例子可以参考官方文档，http://symfony.com/doc/current/components/dom_crawler.html 记录一下工作中一点点试出来的用法 filterXPath(string $xpath) 方法，按照手册上的说法，该方法的参数是$xpath，经常用的是p，div等块。 filterXPath(‘//body/p‘)->text();
echo $crawler->filterXPath(‘//body/p‘)->last()->text();
输出是第一个和下一个p标签块的文本 filterXPath(‘//body‘)->html());
输出body内的html filterXPath(‘//body/p‘) as $i => $node) {
$c = new Crawler($node);
echo $c->filter(‘p‘)->text();
}
filterXPath获得的是DOMElement块的数组，每个DOMElement块可以使用新的crawler对象继续解析 filterXPath(‘//body/p‘)->each(function (Crawler $node,$i) {
return $node->text();
});
crawler提供了each循环，使用闭包函数简化代码，不过注意的是，这种写法$nodeValues得到的是数组，需要进一步处理。 其他用法filterXPath(‘//body/p‘)->attr(‘class‘);
可以获得第一个p标签对应class属性的值“message” filterXPath(‘//div[@class="样式"]‘)->filter(‘a‘)->attr(‘href‘);
$crawler->filterXPath(‘//div[@class="样式"]‘)->filter(‘a>img‘)->extract(array(‘alt‘,‘href‘))
以上是获得标签属性的一些方法 filter和filterXPath不同，手册上写的是css选择器，不太明白，我理解是div这种XPath节点包含的元素，具体情况还需要在实际开发中去尝试。 总的来说感觉DomCrawler要比simple html dom好用一些，可能是我用的比较浅显。 上述只是Crawler的基本功能，更过用法请查阅symfony手册关于Crawler部分的函数 http://api.symfony.com/3.2/Symfony/Component/DomCrawler/Crawler.html Crawler主要问题还是示例太少，函数手册里面没有使用实例，只能在实际使用中去摸索。。。。 symfony关于DomCrawler的文档，里面有少数例子 http://symfony.com/doc/current/components/dom_crawler.html 以上所述是小编给大家介绍的在laravel中使用Symfony的Crawler组件分析HTML，希望对大家有所帮助。程序员遇到问题都会上（编程之家52php.cn）查找问题解答方法！如果觉得站点还不错，随手转发给程序员朋友一下！ （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |