怎么在laravel中利用Crawler組件對HTML進行分析

這篇文章將為大家詳細講解有關怎么在laravel中利用Crawler組件對HTML進行分析，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

Crawler全名是DomCrawler，是Symfony框架的組件。令人發指的是DomCrawler的沒有中文文檔，Symfony也沒有翻譯該部分，所以使用DomCrawler開發只能一點一點摸索，現將使用過程中的經驗總結。

首先是安裝

composer require symfony/dom-crawler
composer require symfony/css-selector

css-seelctor 是 css選擇器，用css選擇節點時一些函數會用到

手冊里面使用的例子是

use Symfony\Component\DomCrawler\Crawler;
$html = <<<‘HTML‘
Hello World!
Hello Crawler!
HTML;
$crawler = new Crawler($html);
foreach ($crawler as $domElement)
{
var_dump($domElement->nodeName);
}

打印的結果是

string ‘html‘ (length=4)

因為這段html代碼的nodeName就是html，英語不好，開始使用的時候還以為程序錯了。。。

實際使用過程，如果new Crawler($html)會出現亂碼問題，應該是與頁面編碼有關，所以可以采用下面的方式，先初始化crawler，然后添加node

$crawler = new Crawler();
$crawler->addHtmlContent($html);

addHtmlContent的第二個參數是charset，默認是utf-8。

其他例子可以參考官方文檔，http://symfony.com/doc/current/components/dom_crawler.html

記錄一下工作中一點點試出來的用法

filterXPath(string $xpath) 方法，按照手冊上的說法，該方法的參數是$xpath，經常用的是p，div等塊。

echo $crawler->filterXPath(‘//body/p‘)->text();
echo $crawler->filterXPath(‘//body/p‘)->last()->text();

輸出是第一個和下一個p標簽塊的文本

var_dump($crawler->filterXPath(‘//body‘)->html());

輸出body內的html

foreach ($crawler->filterXPath(‘//body/p‘) as $i => $node) {
$c = new Crawler($node);
echo $c->filter(‘p‘)->text();
}

filterXPath獲得的是DOMElement塊的數組，每個DOMElement塊可以使用新的crawler對象繼續解析

$nodeValues =
$crawler->filterXPath(‘//body/p‘)->each(function (Crawler $node, $i) {
return $node->text();
});

crawler提供了each循環，使用閉包函數簡化代碼，不過注意的是，這種寫法$nodeValues得到的是數組，需要進一步處理。

其他用法

echo $crawler->filterXPath(‘//body/p‘)->attr(‘class‘);

可以獲得第一個p標簽對應class屬性的值“message”

$crawler->filterXPath(‘//div[@class="樣式"]‘)->filter(‘a‘)->attr(‘href‘);
$crawler->filterXPath(‘//div[@class="樣式"]‘)->filter(‘a>img‘)->extract(array(‘alt‘, ‘href‘))

關于怎么在laravel中利用Crawler組件對HTML進行分析就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。