DomCrawler组件
编辑本页警告:您正在浏览的文档欧宝体育电话欧宝娱乐app下载地址Symfony 3.1，现已不再维护。
读本页的更新版本用于Sy欧宝娱乐app下载地址mfony 6.2(当前稳定版本)。
DomCrawler组件
DomCrawler组件简化了HTML和XML文档的DOM导航。
请注意
尽管有可能，但DomCrawler组件并不是为操纵DOM或重新转储HTML/XML而设计的。
安装
你可以用两种不同的方式安装组件:
- 通过Composer安装（
欧宝娱乐app下载地址symfony / dom-crawler在Packagist）; - 使用官方Git存储库(https://github.com/欧宝娱乐app下载地址symfony/dom-crawler）.
然后，要求供应商/ autoload.php文件以启用Composer提供的自动加载机制。否则，您的应用程序将无法找到这个Symfony组件的类。欧宝娱乐app下载地址
使用
的履带类提供了查询和操作HTML和XML文档的方法。
爬虫程序的实例表示一组DOMElement对象，它们基本上是你可以轻松遍历的节点:
12 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
使用欧宝娱乐app下载地址＼组件＼DomCrawler＼履带；＄超文本标记语言＝< < <“HTML”< !DOCTYPE html> Hello World!
Hello Crawler!
HTML;＄履带＝新履带(＄超文本标记语言）;foreach（＄履带作为＄domElement) {var_dump(＄domElement->节点名);｝专业链接，图像而且形式当你遍历html树时，类对于与html链接、图像和表单交互非常有用。
请注意
DomCrawler将尝试自动修复您的HTML以匹配官方规范。例如，如果你嵌套一个< p >标签在另一个里面< p >标签，它将被移动到父标签的兄弟姐妹。这是预期的，也是HTML5规范的一部分。但如果你得到了意想不到的行为，这可能是一个原因。虽然DomCrawler并不意味着转储内容，但你可以通过它看到HTML的“固定”版本倾销它．
节点过滤
使用XPath表达式非常简单:
1
＄履带＝＄履带->filterXPath (“子轴或self::阀体/ p”）;提示
DOMXPath:查询在内部实际执行XPath查询。
如果你安装了CssSelector组件，筛选就更容易了。这允许你使用类似jquery的选择器来遍历:
1
＄履带＝＄履带->过滤器('body > p'）;匿名函数可以用来过滤更复杂的条件:
1 2 3 4 5 6 7 8 9
使用欧宝娱乐app下载地址＼组件＼DomCrawler＼履带；/ /……＄履带＝＄履带->过滤器('body > p'）->减少(函数(履带＄节点，＄我）｛//过滤所有其他节点返回（＄我％2) = =0；})；要移除一个节点，匿名函数必须返回false。
请注意
所有筛选器方法都返回一个new履带实例，使用过滤后的内容。
这两个filterXPath ()而且filter ()方法使用XML名称空间，这些名称空间可以自动发现，也可以显式注册。
考虑下面的XML:
12 3 4 5 6 7 8 9 10 11 12 13 14
<？xml version="1.0" encoding="UTF-8"?><条目xmlns＝“http://www.w3.org/2005/Atom”xmlns:媒体＝“http://search.yahoo.com/mrss/”xmlns:欧美＝“http://gdata.youtube.com/schemas/2007”><id>标签:youtube.com, 2008:视频:kgZRZmEc9j4id><欧美accessControl行动＝“评论”许可＝“允许”/><欧美accessControl行动＝“videoRespond”许可＝“主持”/><媒体:组><媒体:标题类型＝“普通”>脊索动物——生物学速成班第24课媒体:标题><欧美aspectRatio>宽屏欧美aspectRatio>媒体:组>条目>属性可以对其进行过滤履带而不需要同时注册名称空间别名filterXPath ()：
1
＄履带＝＄履带->filterXPath (' / /默认值:输入/媒体:集团/ /欧美aspectRatio”）;而且filter ()：
1
＄履带＝＄履带->过滤器('default|entry media|group yt|aspectRatio'）;请注意
默认名称空间使用前缀“default”注册。可以使用setDefaultNamespacePrefix ()方法。
如果默认名称空间是文档中唯一的名称空间，则在加载内容时删除默认名称空间。这样做是为了简化xpath查询。
类显式地注册名称空间registerNamespace ()方法:
1 2
＄履带->registerNamespace (“米”，“http://search.yahoo.com/mrss/”）;＄履带＝＄履带->filterXPath (' / / m: / /欧美aspectRatio”）;节点遍历
按其在列表中的位置划分接入节点:
1
＄履带->过滤器('body > p'）->eq (0）;获取当前选择的第一个或最后一个节点:
1 2
＄履带->过滤器('body > p'）->第();＄履带->过滤器('body > p'）->最后();获取与当前选择的节点同级的节点:
1
＄履带->过滤器('body > p'）->兄弟姐妹();在当前选择之后或之前获得相同级别的节点:
1 2
＄履带->过滤器('body > p'）->nextAll ();＄履带->过滤器('body > p'）->previousAll ();获取所有子节点或父节点:
1 2
＄履带->过滤器(“身体”）->孩子();＄履带->过滤器('body > p'）->父母();请注意
所有遍历方法都返回一个new履带实例。
访问节点值
访问当前选择的第一个节点的节点名(HTML标记名)。"p"或"div"):
1 2
//返回下第一个子元素的节点名(HTML标签名)＄标签＝＄履带->filterXPath (' / /身体/ *）->节点名();访问当前选择的第一个节点的值:
1
＄消息＝＄履带->filterXPath (' / /身体/ p '）->文本();访问当前选择的第一个节点的属性值:
1
＄类＝＄履带->filterXPath (' / /身体/ p '）->attr (“类”）;从节点列表中提取属性和/或节点值:
1 2 3 4
＄属性＝＄履带->filterXpath (' / /身体/ p '）->提取(数组（“_text”，“类”));请注意
特殊的属性_text表示节点值。
在列表的每个节点上调用一个匿名函数:
1 2 3 4 5 6
使用欧宝娱乐app下载地址＼组件＼DomCrawler＼履带；/ /……＄nodeValues＝＄履带->过滤器(“p”）->每个(函数(履带＄节点，＄我）｛返回＄节点->文本();})；匿名函数接收节点(作为爬虫)和位置作为参数。结果是匿名函数调用返回的值数组。
添加内容
爬虫支持多种方式添加内容:
1 2 3 4 5 6 7 8 9 10
＄履带＝新履带(身体的< html > < / > < / html >”）;＄履带->addHtmlContent (身体的< html > < / > < / html >”）;＄履带->addXmlContent (' <根> <节点/ >根> < /”）;＄履带->addContent (身体的< html > < / > < / html >”）;＄履带->addContent (' <根> <节点/ >根> < /”，“text / xml”）;＄履带->add (身体的< html > < / > < / html >”）;＄履带->add (' <根> <节点/ >根> < /”）;请注意
处理ISO-8859-1以外的字符集时，始终使用addHtmlContent ()方法，其中可以将第二个参数指定为目标字符集。
由于爬虫的实现是基于DOM扩展的，所以它也能够与本机交互DOMDocument，DOMNodeList而且DOMNode对象:
1 2 3 4 5 6 7 8 9 10
＄文档＝新\ DOMDocument ();＄文档->loadXml ('链接
按名称查找链接(或按名称查找可点击图像)alt属性)，使用selectLink ()方法。返回一个履带实例，只使用所选链接。调用链接()给你一个特别的链接对象:
1 2 3 4 5
＄linksCrawler＝＄履带->selectLink (“去别处……”）;＄链接＝＄linksCrawler->链接();//或者一次执行所有这些操作＄链接＝＄履带->selectLink (“去别处……”）->链接();的链接对象有几个有用的方法来获取有关所选链接本身的更多信息:
1 2
//返回可用于发出另一个请求的正确URI＄uri＝＄链接->getUri ();请注意
的getUri ()特别有用，因为它能清洁href重视并将其转化为真正应该处理的方式。例如，与的链接href = " # foo”，这将返回当前页面的完整URI# foo．从getUri ()始终是一个完整的URI，您可以对其进行操作。
图片
通过它找到一个图像alt属性，使用selectImage方法。返回一个履带实例，只使用所选映像。调用图像()给你一个特别的图像对象:
1 2 3 4 5
＄imagesCrawler＝＄履带->selectImage (“小猫”）;＄图像＝＄imagesCrawler->图像();//或者一次执行所有这些操作＄图像＝＄履带->selectImage (“小猫”）->图像();形式
对表单也给予特殊处理。一个selectButton ()方法在爬虫上可用，该爬虫返回另一个匹配按钮的爬虫(输入(type =提交)，输入(type =图像)，或按钮)。此方法特别有用，因为您可以使用它返回形式对象，该对象表示按钮所在的表单:
1 2 3 4 5 6
＄形式＝＄履带->selectButton (“验证”）->形式();//或用数据“填充”表单字段＄形式＝＄履带->selectButton (“验证”）->形式(数组（“名字”= >“瑞恩”));的形式Object有很多非常有用的方法来处理表单:
1 2 3
＄uri＝＄形式->getUri ();＄方法＝＄形式->getMethod ();的getUri ()方法所做的不仅仅是返回行动表单的属性。如果表单方法是GET，那么它将模拟浏览器的行为并返回行动属性，然后是包含所有表单值的查询字符串。
你可以在表单上虚拟设置和获取值:
12 3 4 5 6 7 8 9 10 11 12
//在表单内部设置值＄形式->setvalue (数组（“登记【用户名】”= >“欧宝娱乐app下载地址symfonyfan”，“登记(术语)”= >1));//返回一个值的数组-在"flat"数组中，如上面所示＄值＝＄形式->getvalue ();//返回PHP会看到的值，//其中registration是它自己的数组＄值＝＄形式->getPhpValues ();处理多维字段:
1 2 3 4 5
传递一个值数组:
1 2 3 4 5 6 7 8
//设置单个字段＄形式->setvalue (数组（“多”= >数组（“价值”)));//同时设置多个字段＄形式->setvalue (数组（“多”= >数组（1= >“价值”，“维”= >“另一个价值”)));这很棒，但还有更好的!的形式对象允许您像浏览器一样与您的表单交互，选择单选值，勾选复选框，并上传文件:
12 3 4 5 6 7 8 9 10 11 12 13 14
＄形式［“登记【用户名】”］->setValue (“欧宝娱乐app下载地址symfonyfan”）;//选中或取消选中复选框＄形式［“登记(术语)”］->蜱虫();＄形式［“登记(术语)”］->取消勾选();//选择一个选项＄形式［的登记(生日)(年)］->选择(1984）;//从多个选择中选择多个选项＄形式［“登记(利益)”］->选择(数组（s欧宝娱乐app下载地址ymfony的，“饼干”));//甚至伪造文件上传＄形式［“登记(图)”］->上传(“/道路/ / lucas.jpg”）;使用表单数据
做这些有什么意义?如果你在内部测试，你可以从你的表单中获取信息，就像它刚刚被提交一样，使用PHP值:
1 2
＄值＝＄形式->getPhpValues ();＄文件＝＄形式->getPhpFiles ();如果你正在使用外部HTTP客户端，你可以使用表单获取所有你需要为表单创建POST请求的信息:
1 2 3 4 5 6
＄uri＝＄形式->getUri ();＄方法＝＄形式->getMethod ();＄值＝＄形式->getvalue ();＄文件＝＄形式->getfile ();//现在使用一些HTTP客户端和post使用这些信息使用所有这些的集成系统的一个很好的例子是Goutte．Goutte理解Symfony爬虫对象，可以使欧宝娱乐app下载地址用它直接提交表单:
12 3 4 5 6 7 8 9 10 11 12 13
使用Goutte＼客户端；//向外部站点发出真正的请求＄客户端＝新客户端();＄履带＝＄客户端->请求(“得到”，“https://github.com/login”）;//选择表单并填写一些值＄形式＝＄履带->selectButton (“登录”）->形式();＄形式［“登录”] =“欧宝娱乐app下载地址symfonyfan”；＄形式［“密码”] =“anypass”；//提交表单＄履带＝＄客户端->提交(＄形式）;选择无效的选择值
默认情况下，选择字段(select, radio)激活了内部验证，以防止设置无效值。如果希望能够设置无效值，可以使用disableValidation ()整个表单或特定字段的方法:
1 2 3 4 5 6
//禁用特定字段的验证＄形式［“国家”］->disableValidation ()->选择(“无效的价值”）;//禁用整个表单的验证＄形式->disableValidation ();＄形式［“国家”］->选择(“无效的价值”）;
