DOMCrawler 未正确转储数据以进行解析答案

【问题标题】：DOMCrawler not dumping data properly for parsingDOMCrawler 未正确转储数据以进行解析
【发布时间】：2015-05-29 19:43:37
【问题描述】：

我正在使用 Symfony、Goutte 和 DOMCrawler 来抓取页面。不幸的是，这个页面有许多老式的数据表，没有 ID 或类或识别因素。所以我试图通过解析从请求中返回的源代码来找到一个表，但我似乎无法访问任何信息

我认为当我尝试过滤它时，它只过滤第一个节点，这不是我想要的数据所在的位置，所以它什么也不返回。

所以我有一个$crawler 对象。我试图通过以下循环得到我想要的：

$title = $crawler->filterXPath('//td[. = "Title"]/following-sibling::td[1]')->each(funtion (Crawler $node, $i) {
        return $node->text();
});

我不确定Crawler $node 是什么，我只是从网页上的示例中得到的。也许如果我能让这个工作正常，那么它将遍历$crawler 对象中的 each 节点并找到我真正想要的东西。

以下是页面示例：

<table> 
<tr>
    <td>Title</td>
    <td>The Harsh Face of Mother Nature</td>
   <td>The Harsh Face of Mother Nature</td>
</tr>
.
.
.
</table>

这只是一张桌子，这张桌子外面有很多桌子和一团乱七八糟的乱七八糟的东西。有任何想法吗？

（注意：之前我能够对$crawler 对象应用过滤器以获取我需要的一些信息，然后我serialize() 得到信息，最后得到了一个字符串，这是有道理的。但我无法得到一个字符串再也不用了，不知道为什么。）

【问题讨论】：

【解决方案1】：

DomCrawler html() 函数不会根据函数描述转储整个 html：

它只返回它在你的情况下所做的第一个节点。

您可以使用http://php.net/manual/en/domdocument.savehtml.php，因为 DomCrawler 是一组 SplObjectStorage 。

$html = $crawler->getNode(0)->ownerDocument->saveHTML();

【讨论】：

【解决方案2】：

如果您查看Crawler::html() 的源代码，您会看到它正在执行以下操作：

$html = '';
foreach ($this->getNode(0)->childNodes as $child) {
    $html .= $child->ownerDocument->saveHTML($child);
}
return $html;

【讨论】：