遍历

像jQuery一样，爬虫也有遍历HTML/XML文档的DOM的方法。例如，下面查找all输入(type =提交)元素，选择页面上的最后一个元素，然后选择它的直接父元素:

1 2 3 4 5

＄newCrawler＝＄履带->过滤器(的输入(type =提交)）->最后一个()->父母()->第();

还有许多其他方法可用:

过滤器(“h1.title”)

匹配CSS选择器的节点。

filterXpath (h1)

匹配XPath表达式的节点。

eq (1)

节点获取指定索引。

第()

第一个节点。

最后一个()

最后一个节点。

兄弟姐妹()

兄弟姐妹。

nextAll ()

所有的兄弟姐妹。

previousAll ()

所有前面的兄弟姐妹。

父母()

返回父节点。

孩子()

返回子节点。

减少(λ)

可调用对象不返回false的节点。

因为这些方法都返回一个new履带实例，你可以通过链接方法调用来缩小你的节点选择:

1 2 3 4 5 6 7 8 9

＄履带->过滤器(“标题”）->减少(函数（＄节点，＄我）｛如果(！＄节点->attr (“类”)) {返回假；}})->第();

提取信息

爬虫可以从节点中提取信息:

12 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

//返回第一个节点的属性值＄履带->attr (“类”）;//返回第一个节点的值＄履带->文本();//如果节点不存在，返回默认文本＄履带->文本(“默认文本内容”）;//传递TRUE作为text()的第二个参数，以删除所有额外的空白，包括//内部的(例如:" Foo \n bar baz \n "返回为" Foo bar baz")＄履带->文本(零，真正的）;//提取所有节点的属性数组// (_text返回节点值)//返回爬虫中每个元素的数组，//每个带有值和href＄信息＝＄履带->提取([“_text”，“href”]);//为每个节点执行一个lambda并返回一个结果数组＄数据＝＄履带->每个(函数（＄节点，＄我）｛返回＄节点->attr (“href”）;})；