我是用php guzzle Client抓取网站,然后用symfony 2.1爬虫处理
我正在尝试访问一个表格....例如这里的这个测试表格 http://de.selfhtml.org/javascript/objekte/anzeige/forms_method.htm
$url = 'http://de.selfhtml.org/javascript/objekte/anzeige/forms_method.htm';
$client = new Client($url);
$request = $client->get();
$request->getCurlOptions()->set(CURLOPT_SSL_VERIFYHOST, false);
$request->getCurlOptions()->set(CURLOPT_SSL_VERIFYPEER, false);
$response = $request->send();
$body = $response->getBody(true);
$crawler = new Crawler($body);
$filter = $crawler->selectButton('submit')->form();
var_dump($filter);die();
但我得到了异常(exception):
The current node list is empty.
所以我有点迷茫,不知道如何访问表单
最佳答案
尝试使用 Goutte,它是一个屏幕抓取和网络爬虫库,构建在您已经使用的工具(Guzzle、Symfony2 Crawler)之上。查看GitHub repo获取更多信息。
使用 Goutte 你的代码看起来像这样
<?php
use Goutte\Client;
$url = 'http://de.selfhtml.org/javascript/objekte/anzeige/forms_method.htm';
$client = new Client();
$crawler = $client->request('GET', $url);
$form = $crawler->selectButton('submit')->form();
$crawler = $client->submit($form, array(
'username' => 'myuser', // assuming you are submitting a login form
'password' => 'P@S5'
));
var_dump($crawler->count());
echo $crawler->html();
echo $crawler->text();
如果你真的需要设置 CURL 选项,你可以这样做:
<?php
$url = 'http://de.selfhtml.org/javascript/objekte/anzeige/forms_method.htm';
$client = new Client();
$guzzle = $client->getClient();
$guzzle->setConfig(
array(
'curl.CURLOPT_SSL_VERIFYHOST' => false,
'curl.CURLOPT_SSL_VERIFYPEER' => false,
));
$client->setClient($guzzle);
// ...
更新:
在使用 DomCrawler 时,我经常遇到同样的错误。大多数时候是因为我没有在页面中选择正确的元素,或者因为它不存在。尝试而不是使用:
$crawler->selectButton('submit')->form();
执行以下操作:
$form = $crawler->filter('#signin_button')->form();
如果元素有一个'#signin_button'
,您使用过滤器方法通过 id 获取元素,或者您也可以通过类 '.signin_button'
获取它.
过滤方法需要The CssSelector Component .
还可以通过打印出 HTML (echo $crawler->html();
) 来调试您的表单,并确保您确实在正确的页面上。
关于php - 履带式+喷口 : Accessing to form,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15834369/