使用 goutte 从 link 清空 return

Question

我是运行PHP 7.3.5和"fabpot/goutte": "^3.2"。

我试图从 link 中抓取介绍和日期，但是，我在 return 中什么也得不到。

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：

对我做错了什么有什么建议吗？

感谢您的回复！

Answer 1

您提供给 filter() 方法的选择器（对于 $intro 和 $date）在文档的 DOM 树中没有指向任何内容。

首先，关于您提出的那些链式选择器的一些精确度：

$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，无论它们在树中的哪个位置。

为了更简单，尝试尽可能少地依赖 HTML 标签来查找节点，并尽可能使用 CSS class 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();

备注：

因为我们只需要一个节点，所以不需要用 each() 迭代来检索节点的内容
filter() 调用在这里被链接起来以提高可读性，但这是一个偏好问题。将所有选择器连接成一个也是有效的。

使用 goutte 从 link 清空 return

Emtpy return from link using goutte

php

css-selectors

goutte