搜索Algolia
回到symfonob娱乐下载y.com

DomCrawler组件

编辑本页

警告:您正在浏览的文档欧宝官网下载appob娱乐下载Symfony 3.4，现已不再维护。

读本页的更新版本用于Syob娱乐下载mfony 6.2(当前稳定版本)。

DomCrawler组件

DomCrawler组件简化了HTML和XML文档的DOM导航。

请注意

尽管有可能，但DomCrawler组件并不是为操纵DOM或重新转储HTML/XML而设计的。

安装

1
＄作曲家需要symfony/dom-ob娱乐下载crawler:^3.4

请注意

如果在Symfony应用程序外部安装此组件，则必须要求ob娱乐下载供应商/ autoload.php文件，以启用Composer提供的类自动加载机制。读这篇文章欲知详情。

使用

另请参阅

本文解释了如何在任何PHP应用程序中使用DomCrawler特性作为独立组件。读了ob娱乐下载Symfony功能测试文章，以了解在创建Symfony测试时如何使用它。ob娱乐下载

的履带类提供了查询和操作HTML和XML文档的方法。

爬虫程序的实例表示一组DOMElement对象，它们是节点，可以按如下方式遍历:

12 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
使用ob娱乐下载＼组件＼DomCrawler＼履带；＄超文本标记语言＝< < <“HTML”< !DOCTYPE html>   
Hello World!
 
Hello Crawler!
   HTML;＄履带＝新履带(＄超文本标记语言）;foreach（＄履带作为＄domElement) {var_dump(＄domElement->节点名);｝

专业链接，图像而且形式当你遍历html树时，类对于与html链接、图像和表单交互非常有用。

请注意

DomCrawler将尝试自动修复您的HTML以匹配官方规范。例如，如果你嵌套一个< p >标签在另一个里面< p >标签，它将被移动到父标签的兄弟姐妹。这是预期的，也是HTML5规范的一部分。但如果你得到了意想不到的行为，这可能是一个原因。虽然DomCrawler并不意味着转储内容，但你可以通过它看到HTML的“固定”版本倾销它．

节点过滤

使用XPath表达式非常简单:

1
＄履带＝＄履带->filterXPath (“子轴或self::阀体/ p”）;

提示

DOMXPath:查询在内部实际执行XPath查询。

如果你安装了CssSelector组件，筛选就更容易了。这允许你使用类似jquery的选择器来遍历:

1
＄履带＝＄履带->过滤器('body > p'）;

匿名函数可以用来过滤更复杂的条件:

1 2 3 4 5 6 7 8 9
使用ob娱乐下载＼组件＼DomCrawler＼履带；/ /……＄履带＝＄履带->过滤器('body > p'）->减少(函数(履带＄节点，＄我）｛//过滤所有其他节点返回（＄我％2) = =0；})；

要移除一个节点，匿名函数必须返回false。

请注意

所有筛选器方法都返回一个new履带实例，使用过滤后的内容。

这两个filterXPath ()而且filter ()方法使用XML名称空间，这些名称空间可以自动发现，也可以显式注册。

考虑下面的XML:

12 3 4 5 6 7 8 9 10 11 12 13 14
<？xml version="1.0" encoding="UTF-8"?><条目xmlns＝“http://www.w3.org/2005/Atom”xmlns:媒体＝“http://search.yahoo.com/mrss/”xmlns:欧美＝“http://gdata.youtube.com/schemas/2007”><id>标签:youtube.com, 2008:视频:kgZRZmEc9j4id><欧美accessControl行动＝“评论”许可＝“允许”/><欧美accessControl行动＝“videoRespond”许可＝“主持”/><媒体:组><媒体:标题类型＝“普通”>脊索动物——生物学速成班第24课媒体:标题><欧美aspectRatio>宽屏欧美aspectRatio>媒体:组>条目>

属性可以对其进行过滤履带而不需要同时注册名称空间别名filterXPath ()：

1
＄履带＝＄履带->filterXPath (' / /默认值:输入/媒体:集团/ /欧美aspectRatio”）;

而且filter ()：

1
＄履带＝＄履带->过滤器('default|entry media|group yt|aspectRatio'）;

请注意

默认名称空间使用前缀“default”注册。可以使用setDefaultNamespacePrefix ()方法。

如果默认名称空间是文档中唯一的名称空间，则在加载内容时删除默认名称空间。这样做是为了简化XPath查询。

类显式地注册名称空间registerNamespace ()方法:

1 2
＄履带->registerNamespace (“米”，“http://search.yahoo.com/mrss/”）;＄履带＝＄履带->filterXPath (' / / m: / /欧美aspectRatio”）;

节点遍历

按其在列表中的位置划分接入节点:

1
＄履带->过滤器('body > p'）->eq (0）;

获取当前选择的第一个或最后一个节点:

1 2
＄履带->过滤器('body > p'）->第();＄履带->过滤器('body > p'）->最后();

获取与当前选择的节点同级的节点:

1
＄履带->过滤器('body > p'）->兄弟姐妹();

在当前选择之后或之前获得相同级别的节点:

1 2
＄履带->过滤器('body > p'）->nextAll ();＄履带->过滤器('body > p'）->previousAll ();

获取所有子节点或父节点:

1 2
＄履带->过滤器(“身体”）->孩子();＄履带->过滤器('body > p'）->父母();

请注意

所有遍历方法都返回一个new履带实例。

访问节点值

访问当前选择的第一个节点的节点名(HTML标记名)。"p"或"div"):

1 2
//返回下第一个子元素的节点名(HTML标签名)＄标签＝＄履带->filterXPath (' / /身体/ *）->节点名();

访问当前选择的第一个节点的值:

1
＄消息＝＄履带->filterXPath (' / /身体/ p '）->文本();

访问当前选择的第一个节点的属性值:

1
＄类＝＄履带->filterXPath (' / /身体/ p '）->attr (“类”）;

从节点列表中提取属性和/或节点值:

1 2 3 4
＄属性＝＄履带->filterXpath (' / /身体/ p '）->提取([“_text”，“类”]);

请注意

特殊的属性_text表示节点值。

在列表的每个节点上调用一个匿名函数:

1 2 3 4 5 6
使用ob娱乐下载＼组件＼DomCrawler＼履带；/ /……＄nodeValues＝＄履带->过滤器(“p”）->每个(函数(履带＄节点，＄我）｛返回＄节点->文本();})；

匿名函数接收节点(作为爬虫)和位置作为参数。结果是匿名函数调用返回的值数组。

当使用嵌套爬虫时，要注意这一点filterXPath ()在爬虫的上下文中计算:

1 2 3 4 5 6 7 8
＄履带->filterXPath (“父”）->每个(函数(履带＄parentCrawler，＄我）｛//直接子文件找不到＄subCrawler＝＄parentCrawler->filterXPath (“sub-tag / sub-child-tag”）;//也指定父标签＄subCrawler＝＄parentCrawler->filterXPath (“父/ sub-tag / sub-child-tag”）;＄subCrawler＝＄parentCrawler->filterXPath (“节点()/ sub-tag / sub-child-tag”）;})；

添加内容

爬虫支持多种方式添加内容:

1 2 3 4 5 6 7 8 9 10
＄履带＝新履带(身体的< html > < / > < / html >”）;＄履带->addHtmlContent (身体的< html > < / > < / html >”）;＄履带->addXmlContent (' <根> <节点/ >根> < /”）;＄履带->addContent (身体的< html > < / > < / html >”）;＄履带->addContent (' <根> <节点/ >根> < /”，“text / xml”）;＄履带->add (身体的< html > < / > < / html >”）;＄履带->add (' <根> <节点/ >根> < /”）;

请注意

的addHtmlContent ()而且addXmlContent ()方法默认为UTF-8编码，但您可以通过它们的第二个可选参数来改变这种行为。

的addContent ()方法根据给定的内容猜测最佳字符集，并默认为iso - 8859 - 1以防无法猜出字符集。

3.4

的字符集猜测机制addContent ()方法在Symfony 3.4中引入。ob娱乐下载在以前的Symfony版ob娱乐下载本中，iso - 8859 - 1Charset一直被使用。

由于爬虫的实现是基于DOM扩展的，所以它也能够与本机交互DOMDocument，DOMNodeList而且DOMNode对象:

1 2 3 4 5 6 7 8 9 10
＄domDocument＝新\ DOMDocument ();＄domDocument->loadXml (' <根> <节点/ > <节点/ >根> < /”）;＄节点列表＝＄domDocument->getElementsByTagName (“节点”）;＄节点＝＄domDocument->getElementsByTagName (“节点”）->项目(0）;＄履带->addDocument (＄domDocument）;＄履带->addNodeList (＄节点列表）;＄履带->addnode ([＄节点]);＄履带->addNode (＄节点）;＄履带->add (＄domDocument）;

操纵和倾倒履带

这些方法履带最初打算填充您的履带并且不打算用于进一步操作DOM(尽管这是可能的)。然而，自从履带是一套DOMElement对象上可用的任何方法或属性DOMElement，DOMNode或DOMDocument．例如，您可以获得的HTML履带就像这样:

1 2 3 4 5
＄超文本标记语言＝”；foreach（＄履带作为＄domElement) {＄超文本标记语言．＝＄domElement->ownerDocument->saveHTML (＄domElement）;｝

或者，您可以使用html ()：

1
＄超文本标记语言＝＄履带->html ();

表达式求值

3.2

的evaluate ()方法是在Symfony 3.2中引入的。ob娱乐下载

的evaluate ()方法计算给定的XPath表达式。返回值取决于XPath表达式。如果表达式计算为标量值(例如HTML属性)，将返回一个结果数组。如果表达式计算为DOM文档，则new履带实例将返回。

这种行为最好用例子来说明:

12 34 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43
使用ob娱乐下载＼组件＼DomCrawler＼履带；＄超文本标记语言＝   article 1  article 2  article 3  '；＄履带＝新履带();＄履带->addHtmlContent (＄超文本标记语言）;＄履带->filterXPath (' / /跨度(包含(@ id,“文章——“))”）->评估(“substring-after (@ id,“-”)）;/ *数组:3 [0 = > " 100 " 1 = > " 101 " 2 = > " 102 ")* /＄履带->评估(“substring-after(/ /跨度(包含(@ id,“文章——”)]/ @ id,“-”)”）;/* array:1 [0 => "100"] */＄履带->filterXPath (' / /跨度(@class =“文章”)”）->评估(“数(@ id)”）;/* array:3 [0 => 1.0 1 => 1.0 2 => 1.0] */＄履带->评估(“计数(/ /跨度[@class = "文章"])”）;/* array:1 [0 => 3.0] */＄履带->评估(/ /跨[1]”）;// Syob娱乐下载mfony\Component\DomCrawler\Crawler实例

使用filter ()方法通过它们来查找链接id或类属性，并使用selectLink ()方法根据其内容查找链接(它还查找在其内容中包含该内容的可单击图像alt属性)。

两个方法都返回履带实例，只使用所选链接。使用链接()方法来获取链接对象，该对象表示链接:

12 3 4 5 6 7 8 9 10 11 12
//首先，通过id，类或内容选择链接…＄linkCrawler＝＄履带->过滤器(“#注册”）;＄linkCrawler＝＄履带->过滤器(“.user-profile”）;＄linkCrawler＝＄履带->selectLink (“登录”）;/ /……然后，获取Link对象:＄链接＝＄linkCrawler->链接();//或者一次执行所有这些操作:＄链接＝＄履带->过滤器(“#注册”）->链接();＄链接＝＄履带->过滤器(“.user-profile”）->链接();＄链接＝＄履带->selectLink (“登录”）->链接();

的链接对象有几个有用的方法来获取有关所选链接本身的更多信息:

1 2
//返回可用于发出另一个请求的正确URI＄uri＝＄链接->getUri ();

请注意

的getUri ()特别有用，因为它能清洁href重视并将其转化为真正应该处理的方式。例如，与的链接href = " # foo”，这将返回当前页面的完整URI# foo．从getUri ()始终是一个完整的URI，您可以对其进行操作。

图片

通过它找到一个图像alt属性，使用selectImage方法。返回一个履带实例，只使用所选映像。调用图像()给你一个特别的图像对象:

1 2 3 4 5
＄imagesCrawler＝＄履带->selectImage (“小猫”）;＄图像＝＄imagesCrawler->图像();//或者一次执行所有这些操作＄图像＝＄履带->selectImage (“小猫”）->图像();

的图像对象具有相同的getUri ()方法链接．

形式

对表单也给予特殊处理。一个selectButton ()方法在爬虫上可用，它会返回另一个匹配的爬虫< >按钮或< input type = " submit " >或< input type = " button " >元素(或< img >其中的元素)。参数所给出的字符串将在id，alt，的名字,价值属性和这些元素的文本内容。

此方法特别有用，因为您可以使用它返回形式对象，该对象表示按钮所在的表单:

12 3 4 5 6 7 8 9 10 11 12 13 14 15
//按钮示例: .//你可以通过它的标签得到按钮＄形式＝＄履带->selectButton (“我的超级按钮”）->形式();//或通过按钮id (#my-super-button)如果按钮没有标签＄形式＝＄履带->selectButton (“my-super-button”）->形式();//或者你可以过滤整个表单，例如一个表单有一个class属性:
＄履带->过滤器(“.form-vertical”）->形式();//或用数据“填充”表单字段＄形式＝＄履带->selectButton (“my-super-button”）->形式([“名字”= >“瑞恩”]);

的形式Object有很多非常有用的方法来处理表单:

1 2 3
＄uri＝＄形式->getUri ();＄方法＝＄形式->getMethod ();

的getUri ()方法所做的不仅仅是返回行动表单的属性。如果表单方法是GET，那么它将模拟浏览器的行为并返回行动属性，然后是包含所有表单值的查询字符串。

3．3

从Symfony 3.3开始ob娱乐下载，可选的formaction而且formmethod支持按钮属性。的getUri ()而且getMethod ()方法会考虑这些属性，总是根据用于获取表单的按钮返回正确的操作和方法。

你可以在表单上虚拟设置和获取值:

12 3 4 5 6 7 8 9 10 11 12
//在表单内部设置值＄形式->setvalue ([“登记【用户名】”= >“ob娱乐下载symfonyfan”，“登记(术语)”= >1]);//返回一个值的数组-在“平面”数组中，如上面所示＄值＝＄形式->getvalue ();//返回PHP会看到的值，//其中registration是它自己的数组＄值＝＄形式->getPhpValues ();

处理多维字段:

1 2 3 4 5 6 7 8
 “多[]”/> “多[]”/> “多(维)”/> “多(维)[]”值=“1”/> “多(维)[]”值=“2”/> “多(维)[]”值=“3”表单/ > < / >

传递一个值数组:

12 3 4 5 6 7 8 9 10 11 12 13
//设置单个字段＄形式->setvalue ([“多”= > [“价值”]]);//同时设置多个字段＄形式->setvalue ([“多”= > [1= >“价值”，“维”= >“另一个价值”]]);//同时勾选多个复选框＄形式->setvalue ([“多”= > [“维”= > [1，3.］//它使用输入值来确定要勾选哪个复选框]]);

这很棒，但还有更好的!的形式对象允许您像浏览器一样与您的表单交互，选择单选值，勾选复选框，并上传文件:

12 3 4 5 6 7 8 9 10 11 12 13 14
＄形式［“登记【用户名】”］->setValue (“ob娱乐下载symfonyfan”）;//选中或取消选中复选框＄形式［“登记(术语)”］->蜱虫();＄形式［“登记(术语)”］->取消勾选();//选择一个选项＄形式［的登记(生日)(年)］->选择(1984）;//从多个选择中选择多个选项＄形式［“登记(利益)”］->选择([sob娱乐下载ymfony的，“饼干”]);//伪造文件上传＄形式［“登记(图)”］->上传(“/道路/ / lucas.jpg”）;

使用表单数据

做这些有什么意义?如果你在内部测试，你可以从你的表单中获取信息，就像它刚刚被提交一样，使用PHP值:

1 2
＄值＝＄形式->getPhpValues ();＄文件＝＄形式->getPhpFiles ();

如果你正在使用外部HTTP客户端，你可以使用表单获取所有你需要为表单创建POST请求的信息:

1 2 3 4 5 6
＄uri＝＄形式->getUri ();＄方法＝＄形式->getMethod ();＄值＝＄形式->getvalue ();＄文件＝＄形式->getfile ();//现在使用一些HTTP客户端和post使用这些信息

使用所有这些的集成系统的一个很好的例子是Goutte．Goutte理解Symfony爬虫对象，可以使ob娱乐下载用它直接提交表单:

12 3 4 5 6 7 8 9 10 11 12 13
使用Goutte＼客户端；//向外部站点发出真实请求＄客户端＝新客户端();＄履带＝＄客户端->请求(“得到”，“https://github.com/login”）;//选择表单并填写一些值＄形式＝＄履带->selectButton (“登录”）->形式();＄形式［“登录”] =“ob娱乐下载symfonyfan”；＄形式［“密码”] =“anypass”；//提交给定表单＄履带＝＄客户端->提交(＄形式）;

选择无效的选择值

默认情况下，选择字段(select, radio)激活了内部验证，以防止设置无效值。如果希望能够设置无效值，可以使用disableValidation ()整个表单或特定字段的方法:

1 2 3 4 5 6
//禁用对特定字段的验证＄形式［“国家”］->disableValidation ()->选择(“无效的价值”）;//禁用整个表单的验证＄形式->disableValidation ();＄形式［“国家”］->选择(“无效的价值”）;

了解更多

此工作，包括代码示例，是根据创作共用BY-SA 3.0许可证。
确保你的项目没有风险

确保你的项目没有风险

同步你的应用数据和服务

同步你的应用数据和服务

代码消耗服务器资源。黑火告诉你怎么做

代码消耗服务器资源。黑火告诉你怎么做