Goutte刮刀通过Page对象解析

Question

对我来说，这是一次学习的经历，但是使用Symfony和Goutte。我已经能够登录到一个安全的网站，然后返回一个页面。

echo $crawler->html(); 

我现在要做的是通过对象$crawler进行解析。令我困惑的是，Goutte似乎对如何做这件事并没有表现出什么看法。我想很多人都和Goutte一起使用了口香糖，但是我不能和use Goutte\Client;一起做一个use Goutte\Client;语句。

我所要做的就是通过$crawler对象进行解析，以在html源代码中找到某些内容。(注意:这个特定的页面不使用id或类，因此我不能执行filter('#stuff')或filter('.stuff')。)

有人能帮我解释一下如何使用Goutte来解析我得到的对象吗？

(编辑:我想说明一下，我也许只是在搜索一个字符串或什么的。我是否可以将$crawler对象转换为纯文本源代码，然后只执行preg_match之类的操作？)

Answer 1

$crawler是Symfony DomCrawler组件的一个实例；它实际上是DOMElement对象的集合。

爬虫通过使用过滤单个节点查询为XPath提供了相当多的功能。

$crawler = $crawler->filterXPath('descendant-or-self::body/p');

或者使用CSS选择器。

$crawler = $crawler->filter('body > p');

通过使用这两种方法，都可以使用HTML实体而不是属性过滤文档。有关CSS选择器的更多信息可以找到这里 (这是Google搜索的第一个链接)。

在2.3中添加了输出爬虫对象内部HTML的功能，可以通过以下方式完成：

DomCrawler::html()方法是在Symfony 2.3中添加的，它将“将列表的第一个节点作为HTML返回”。

$html = $crawler->html();

应该注意的是，当您执行一个过滤器时，将返回一个新的爬虫对象，其中包含一个DOMElements列表，这可能会导致一些意想不到的结果(至少这就是我所经历的)。

编辑:作为对您的评论的回应，完全可以根据新的标准进行过滤(请参阅下面的注释)。

您可以使用CSS选择器，例如：

attribute=value

因此，您的代码看起来应该是：

$crawler = $crawler->filter('a[href=' . $value . ']');

访问节点值可以像使用DOMCrawler提供的函数或访问底层DOMNode / NodeList / DOMElement元素一样简单。

在幕后，DomCrawler组件使用CSS选择器组件