使用PHP编写爬虫可通过cURL获取网页内容，Goutte解析HTML结构，正则表达式提取特定数据，结合Puppeteer处理JavaScript渲染页面，实现完整数据抓取流程。

如果您需要从目标网站抓取数据但无法通过常规方式获取，可以使用PHP编写网络爬虫程序模拟请求并提取所需内容。以下是几种实现PHP爬虫的常用方法。

本文运行环境：MacBook Pro，macOS Sonoma

一、使用cURL发送HTTP请求

cURL是PHP中用于发起网络请求的强大扩展，适合获取网页源码。通过设置请求头信息，可模拟浏览器行为避免被屏蔽。

1、启用php_curl扩展，在php.ini中确保extension=curl已开启。

立即学习“PHP免费学习笔记（深入）”；

2、初始化cURL句柄：$ch = curl_init();

3、配置请求参数，例如设置目标URL和返回结果不直接输出：

curl_setopt($ch, CURLOPT_URL, "https://example.com");

curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

4、执行请求并获取响应：$html = curl_exec($ch);

5、关闭句柄释放资源：curl_close($ch);

二、利用Goutte库进行DOM解析

Goutte是一个基于Symfony组件的Web抓取工具，能够便捷地遍历和查询HTML结构，适用于结构化数据提取。

1、通过Composer安装Goutte：composer require fabpot/goutte

2、引入自动加载文件：require_once 'vendor/autoload.php';

3、创建客户端实例并访问页面：

$client = new \Goutte\Client();

$crawler = $client->request('GET', 'https://example.com');

4、使用CSS选择器提取节点内容，如获取所有标题：

$titles = $crawler->filter('h2')->each(function ($node) {

DeepBI DHTML 页面生成器

生成可在 deepbi 沙箱 iframe 内运行或作为独立文件运行的交互式 HTML 页面，使用 `window.deepbi` JS SDK 实现数据查询、空间管理、文件浏览及用户操作。当用户提出以下需求时启用该能力： - 创建 KPI 仪表盘、数据表格、文件浏览器、成员列表、管理页面； - 明确要求“转成 dhtml”、“转译成 HTML”、“把 XX 页面转成……”、“控制台页面”、“管理后台”、“DeepBI 页面迁移”； - 提及位于 `apps/console/src/featur

下载

return $node->text();

});

三、结合正则表达式提取特定内容

当目标数据嵌入在固定格式文本中时，正则表达式可用于精确匹配字符串模式，尤其适用于非标准HTML或动态生成的内容。

1、获取完整HTML内容后，使用preg_match_all函数批量提取：

preg_match_all('/

(\d+\.\d+)/i', $html, $matches);

2、检查匹配结果是否存在：if (!empty($matches[1])) { ... }

3、遍历$matches[1]数组即可获得所有价格数值。

4、注意转义特殊字符，并尽量缩小匹配范围以提高准确性。

四、处理JavaScript渲染的内容

部分网站依赖JavaScript动态加载数据，此时仅靠cURL无法获取完整HTML。可通过调用外部无头浏览器完成渲染。

1、安装Puppeteer PHP扩展：composer require nesk/puphpeteer

2、启动无头Chrome实例：

$puppeteer = new \Nesk\Puphpeteer\Puppeteer();

$browser = $puppeteer->launch();

3、打开新页面并等待网络空闲：

$page = $browser->newPage();

$page->goto('https://example.com', ['waitUntil' => 'networkidle0']);

4、执行脚本获取渲染后的DOM内容：

$content = $page->content();

$browser->close();