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

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

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

use symfony\component\domcrawler\crawler;
$html = <<<‘html‘
hello world!
hello crawler!
html;
$crawler = new crawler($html);
foreach ($crawler as $domelement)
{
var_dump($domelement->nodename);
}

打印的结果是

string ‘html‘ (length=4)

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

$crawler = new crawler();
$crawler->addhtmlcontent($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，

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。

echo $crawler->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

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

输出body内的html

foreach ($crawler->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

$nodevalues =
$crawler->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

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

可以获得第一个p标签对应class属性的值“message”

$crawler->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

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