是否有与 Perl 的 WWW::Mechanize 等效的 PHP？

Question

我正在寻找一个功能类似于 Perl 的WWW::Mechanize 的库，但适用于 PHP。基本上，它应该允许我使用简单的语法提交 HTTP GET 和 POST 请求，然后解析结果页面并以简单的格式返回所有表单及其字段，以及页面上的所有链接。

我知道 CURL，但它有点太简单了，而且语法很丑（大量的 curl_foo($curl_handle, ...) 语句

澄清：

我想要比目前的答案更高级的东西。例如，在 Perl 中，您可以执行以下操作：

# navigate to the main page
$mech->get( 'http://www.somesite.com/' ); 

# follow a link that contains the text 'download this'
$mech->follow_link( text_regex => qr/download this/i );

# submit a POST form, to log into the site
$mech->submit_form(
    with_fields      => {
        username    => 'mungo',
        password    => 'lost-and-alone',
    }
);

# save the results as a file
$mech->save_content('somefile.zip');

要使用 HTTP_Client 或 wget 或 CURL 来做同样的事情会做很多工作，我必须手动解析页面以查找链接、查找表单 URL、提取所有隐藏字段等等。我要求使用 PHP 解决方案的原因是我没有使用 Perl 的经验，我可能会通过大量工作来构建我需要的东西，但如果我能在 PHP 中完成上述操作会更快。

Answer 1

尝试查看 PEAR 库。如果一切都失败了，为 curl 创建一个对象包装器。

你可以这么简单：

class curl {
    private $resource;

    public function __construct($url) {
        $this->resource = curl_init($url);
    }

    public function __call($function, array $params) {
        array_unshift($params, $this->resource);
        return call_user_func_array("curl_$function", $params);
    }
}

Answer 2

尝试以下方法之一：

• 梨的HTTP_Request
• Zend_Http_Client

（是的，它是 ZendFramework 代码，但它不会让你的类使用它变慢，因为它只是加载所需的库。）

Answer 3

如果您在 *nix 系统上，您可以将 shell_exec() 与 wget 一起使用，它有很多不错的选项。

Answer 4

看看史努比： http://sourceforge.net/projects/snoopy/

Answer 5

SimpleTest 的ScriptableBrowser 可以独立于测试框架使用。我已经将它用于许多自动化工作。

Answer 6

Curl 是处理简单请求的方式。它跨平台运行，具有 PHP 扩展，并被广泛采用和测试。

我创建了一个不错的类，它可以通过调用 CurlHandler::Get($url, $data) || 获取和发布数据数组（包括文件！）到 url CurlHandler::Post($url, $data)。还有一个可选的 HTTP 用户身份验证选项：)

/**
 * CURLHandler handles simple HTTP GETs and POSTs via Curl 
 * 
 * @package Pork
 * @author SchizoDuckie
 * @copyright SchizoDuckie 2008
 * @version 1.0
 * @access public
 */
class CURLHandler
{

    /**
     * CURLHandler::Get()
     * 
     * Executes a standard GET request via Curl.
     * Static function, so that you can use: CurlHandler::Get('http://www.google.com');
     * 
     * @param string $url url to get
     * @return string HTML output
     */
    public static function Get($url)
    {
       return self::doRequest('GET', $url);
    }

    /**
     * CURLHandler::Post()
     * 
     * Executes a standard POST request via Curl.
     * Static function, so you can use CurlHandler::Post('http://www.google.com', array('q'=>'StackOverFlow'));
     * If you want to send a File via post (to e.g. PHP's $_FILES), prefix the value of an item with an @ ! 
     * @param string $url url to post data to
     * @param Array $vars Array with key=>value pairs to post.
     * @return string HTML output
     */
    public static function Post($url, $vars, $auth = false) 
    {
       return self::doRequest('POST', $url, $vars, $auth);
    }

    /**
     * CURLHandler::doRequest()
     * This is what actually does the request
     * <pre>
     * - Create Curl handle with curl_init
     * - Set options like CURLOPT_URL, CURLOPT_RETURNTRANSFER and CURLOPT_HEADER
     * - Set eventual optional options (like CURLOPT_POST and CURLOPT_POSTFIELDS)
     * - Call curl_exec on the interface
     * - Close the connection
     * - Return the result or throw an exception.
     * </pre>
     * @param mixed $method Request Method (Get/ Post)
     * @param mixed $url URI to get or post to
     * @param mixed $vars Array of variables (only mandatory in POST requests)
     * @return string HTML output
     */
    public static function doRequest($method, $url, $vars=array(), $auth = false)
    {
        $curlInterface = curl_init();

        curl_setopt_array ($curlInterface, array( 
            CURLOPT_URL => $url,
            CURLOPT_RETURNTRANSFER => 1,
            CURLOPT_FOLLOWLOCATION =>1,
            CURLOPT_HEADER => 0));
        if (strtoupper($method) == 'POST')
        {
            curl_setopt_array($curlInterface, array(
                CURLOPT_POST => 1,
                CURLOPT_POSTFIELDS => http_build_query($vars))
            );  
        }
        if($auth !== false)
        {
              curl_setopt($curlInterface, CURLOPT_USERPWD, $auth['username'] . ":" . $auth['password']);
        }
        $result = curl_exec ($curlInterface);
        curl_close ($curlInterface);

        if($result === NULL)
        {
            throw new Exception('Curl Request Error: '.curl_errno($curlInterface) . " - " . curl_error($curlInterface));
        }
        else
        {
            return($result);
        }
    }

}

?>

[编辑] 现在才阅读说明...您可能想要使用上面提到的自动化工具之一。您还可以决定使用 ChickenFoot 之类的客户端 firefox 扩展，以获得更大的灵活性。我将把上面的示例类留在这里以供将来搜索。

Answer 7

我觉得有必要回答这个问题，尽管它是一个旧帖子......我一直在使用 PHP curl，但它在任何地方都没有像 WWW:Mechanize 这样的东西那么好，我正在切换到（我想我将使用 Ruby 语言实现）.. Curl 已经过时了，因为它需要太多“繁重的工作”来自动化任何东西，simpletest 可编写脚本的浏览器对我来说看起来很有希望，但在测试它时，它不会工作在我尝试的大多数网络表单上......老实说，我认为 PHP 在这类抓取、网络自动化方面缺乏，所以最好看看另一种语言，只是想发布这个，因为我在这个主题上花费了无数小时也许它会在未来为其他人节省一些时间。

Answer 8

如果您在项目中使用 CakePHP，或者如果您倾向于提取相关库，您可以使用他们的 curl 包装器 HttpSocket。它具有您描述的简单页面获取语法，例如，

# This is the sugar for importing the library within CakePHP       
App::import('Core', 'HttpSocket');
$HttpSocket = new HttpSocket();

$result = $HttpSocket->post($login_url,
array(
  "username" => "username",
  "password" => "password"
)
);

...虽然它没有办法解析响应页面。为此，我将使用 simplehtmldom：http://net.tutsplus.com/tutorials/php/html-parsing-and-screen-scraping-with-the-simple-html-dom-library/，它将自己描述为具有类似 jQuery 的语法。

我倾向于同意，最重要的是 PHP 没有 Perl/Ruby 所拥有的出色的抓取/自动化库。

Answer 9

现在是 2016 年，Mink。它甚至支持不同的引擎，从无头纯 PHP“浏览器”（没有 JavaScript）、Selenium（需要像 Firefox 或 Chrome 这样的浏览器）到 NPM 中的无头“browser.js”，它确实支持 JavaScript。