使用 goutte 从链接空返回答案

【问题标题】：Emtpy return from link using goutte使用 goutte 从链接空返回
【发布时间】：2020-03-04 12:02:39
【问题描述】：

我正在运行PHP 7.3.5 和"fabpot/goutte": "^3.2"。

我正在尝试从链接中抓取简介和日期，但是我没有得到任何回报。

在下面找到我的最小可行示例：

<?php
require_once 'vendor/autoload.php';

use Goutte\Client;

$client = new Client();

$url = 'body > div.container > div > div > ul.list-group.mb-5 > a';
$intr = 'body > div:nth-child(3) > div:nth-child(2) > div > table:nth-child(10) > tbody > tr > td > div > div:nth-child(1) > div > div > div > div > table > tbody > tr > th > table:nth-child(4) > tbody > tr > td';
$dat = 'body > div:nth-child(3) > div:nth-child(2) > div > table:nth-child(10) > tbody > tr > td > div > div:nth-child(1) > div > div > div > div > table > tbody > tr > th > table:nth-child(1) > tbody > tr > td:nth-child(1)';

//arrays
$introArr = array();
$urlArr = array();

$crawler = $client->request('GET', 'https://www.morningbrew.com/daily/2019/11/07');
$intro = $crawler->filter($intr)->each(function($node) {
    return $node;
});
$date = $crawler->filter($dat)->each(function($node) {
    return $node->html();
});
array_push( $introArr, $intro, $date);

我想回来：

任何建议我做错了什么？

感谢您的回复！

【问题讨论】：

标签： php css-selectors goutte

【解决方案1】：

您提供给filter() 方法（$intro 和$date）的选择器指向文档的 DOM 树中的任何内容。

首先，对您提出的那些链式选择器稍微精确一点：

$intr = 'body > div:nth-child(3) > ...';

以防万一您不知道，不必从根节点（body 标记）开始查找元素。例如，如果我想检索 .myDiv 元素，我可以执行以下操作：

$crawler->filter('.myDiv');

DOM 解析器也可以避免您遍历所有节点以查找特定或多个元素的痛苦，无论它们在树中的什么位置。

为了更加简单，尽量减少对 HTML 标记的依赖来查找节点，并尽可能使用 CSS 类选择器。

工作示例：

$subCrawler = $client->request('GET', 'https://www.morningbrew.com/daily/2019/11/07');

$date = $subCrawler->filter('.pcard')
                   ->filter('table:first-child')
                   ->filter('td:first-child')
                   ->text();

$text = $subCrawler->filter('.pcard')
                   ->filter('table:nth-child(4)')
                   ->text();

注意事项：

由于我们只期望一个节点，因此无需使用 each() 迭代来检索节点的内容
filter() 调用在此处被链接以提高可读性，但这是一个偏好问题。将所有选择器合并为一个也是有效的。

【讨论】：