Bagaimana untuk menggunakan perpustakaan kelas PHP Goutte untuk merangkak web dan pengekstrakan data?

Bagaimana untuk menggunakan perpustakaan kelas PHP Goutte untuk merangkak web dan pengekstrakan data?

Ikhtisar:
Dalam proses pembangunan harian, kita selalunya perlu mendapatkan pelbagai data daripada Internet, seperti kedudukan filem, ramalan cuaca, dll. Merangkak web adalah salah satu kaedah biasa untuk mendapatkan data ini. Dalam pembangunan PHP, kita boleh menggunakan perpustakaan kelas Goutte untuk melaksanakan rangkak web dan fungsi pengekstrakan data. Artikel ini akan memperkenalkan cara menggunakan perpustakaan kelas PHP Goutte untuk merangkak web dan pengekstrakan data serta melampirkan contoh kod.

Apakah itu Goutte?
Goutte ialah perpustakaan kelas PHP berdasarkan Symfony, digunakan khas untuk merangkak web dan pengekstrakan data. Ia dibina di atas komponen pemilih CSS Symfony, menyediakan cara yang mudah tetapi berkuasa untuk memanipulasi halaman web. Melalui Goutte, kami boleh melakukan rangkak web, penyerahan borang, pengekstrakan data dan operasi lain dengan mudah.

Pasang perpustakaan kelas Goutte:
Pertama, kita perlu memasang perpustakaan kelas Goutte melalui Komposer. Buka terminal, masukkan direktori projek anda, dan laksanakan arahan berikut:

composer require fabpot/goutte

Selepas pemasangan selesai, kami boleh memperkenalkan perpustakaan kelas Goutte ke dalam kod dan mula menggunakannya.

Merangkak web dan contoh pengekstrakan data:
Andaikan kami ingin mendapatkan maklumat tentang filem popular semasa daripada tapak web kedudukan filem, seperti nama filem, penilaian, dsb. Mula-mula, cari URL halaman sasaran anda. Ambil kedudukan filem Douban sebagai contoh, URLnya ialah: https://movie.douban.com/chart.

Seterusnya, kami menggunakan Goutte untuk merangkak halaman web dan mengekstrak data. Berikut ialah contoh kod:

// 引入Goutte类库
require 'vendor/autoload.php';

use GoutteClient;

// 创建一个Goutte客户端实例
$client = new Client();

// 发送GET请求，获取目标网页内容
$crawler = $client->request('GET', 'https://movie.douban.com/chart');

// 使用CSS选择器获取电影列表
$movies = $crawler->filter('.indent table tr')->each(function ($node) {
    // 提取电影名称
    $title = $node->filter('.pl2 a')->text();
    
    // 提取电影评分
    $rating = $node->filter('.star .rating_nums')->text();
    
    // 返回电影信息
    return [
        'title' => $title,
        'rating' => $rating,
    ];
});

// 输出结果
foreach ($movies as $movie) {
    echo $movie['title'] . ' - ' . $movie['rating'] . "
";
}

Dalam kod di atas, kami mula-mula mencipta contoh Klien Goutte, dan kemudian menggunakan kaedah permintaan untuk menghantar permintaan GET ke halaman web sasaran untuk mendapatkan kandungan halaman web. Seterusnya, gunakan pemilih CSS untuk mengekstrak senarai filem, menggunakan pemilih CSS '.indent table tr' untuk mewakili semua elemen yang layak dalam halaman web sasaran. Akhir sekali, kami melakukan beberapa operasi pengekstrakan data pada setiap nod filem, mengekstrak nama dan rating filem, menyimpannya pada tatasusunan hasil, dan akhirnya mencetak hasilnya.

Dengan kod di atas, kami boleh melaksanakan rangkak web dan fungsi pengekstrakan data dengan cepat. Sudah tentu, Goutte mempunyai fungsi yang lebih berkuasa, seperti penyerahan borang, operasi pengguna simulasi, dll. Pembaca boleh meneroka lebih lanjut mengikut keperluan.

Ringkasan:
Artikel ini memperkenalkan cara menggunakan perpustakaan kelas PHP Goutte untuk merangkak web dan pengekstrakan data, dan menunjukkan penggunaan asas melalui contoh kod. Rangka web dan pengekstrakan data sangat berguna dalam banyak senario, seperti analisis data, pengumpulan maklumat, dsb. Melalui perpustakaan kelas Goutte, kami boleh melaksanakan fungsi-fungsi ini dengan mudah dan meningkatkan kecekapan pembangunan. Saya harap artikel ini akan membantu pembaca, dan mengalu-alukan pertukaran dan perbincangan.

Atas ialah kandungan terperinci Bagaimana untuk menggunakan perpustakaan kelas PHP Goutte untuk merangkak web dan pengekstrakan data?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!