Goutte/goutte是主流PHP爬虫框架，需用正确包名安装；它适合静态HTML抓取，不支持JS渲染，需手动设UA、处理编码与超时，并注意选择器语法及session管理。
composer install 报错 “no matching package found”
不是框架没发布，而是你搜错了包名。主流 PHP 爬虫框架里，goutte/goutte 是最常用、维护最稳的，它基于 symfony/http-client 和 symfony/dom-crawler，不是独立“爬虫引擎”，但足够轻量可靠。别搜“php-spider”“crawler”这类泛词，Composer 不认。
常见错误现象：composer require php-spider/php-spider 直接失败；或装了过时包（如已归档的 fabpot/goutte），导致 PHP 8+ 下无法 autoload。
- 正确命令是：
composer require goutte/goutte - 如果项目用了 Laravel，优先用
guzzlehttp/guzzle+symfony/dom-crawler手动组合，更可控 - 别碰
jonasheim/php-crawler这类多年未更新的包，依赖的ext-curl版本太老，PHP 8.1+ 会报Deprecated: curl_setopt(): Passing null to parameter #3 ($value) of type string is deprecated
用 Goutte 抓取网页时返回空内容或 403
Goutte 默认 User-Agent 是 goutte/v4.0，多数网站直接拦截。它不自动处理 JavaScript 渲染、Cookie 持久化或反爬 header，不是“开箱即用”的浏览器模拟器。
使用场景：适合抓取静态 HTML 页面（如新闻列表、文档页、API 返回的 HTML 片段），不适合 Vue/React 渲染的 SPA 或需要登录态维持的后台页面。
- 加 UA 和 Referer 最基本：
$client->setServerParameter('HTTP_USER_AGENT', 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36') - 遇到 Cloudflare 或 JS 挑战，Goutte 无解——得换
puppeteer-php或调用 headless Chrome，但那是另一套工具链 - 如果目标页需登录，Goutte 能维持 session，但必须手动提交登录表单并检查
response->filter('title')->text()是否含“欢迎”之类关键词，不能只看状态码 200
DOM 解析时 $crawler->filter() 总是空数组
不是选择器写错，大概率是响应根本没加载成功，或者 HTML 结构和你预期不一致。Goutte 的 filter() 不报错，静默失败是常态。
参数差异：支持 CSS 选择器（如 div.post h2），不支持 XPath（除非你手动转成 filterXPath()）；对大小写敏感，div.ClassName 和 div.classname 是两回事。
- 先确认响应体：
var_dump(substr($response->getContent(), 0, 200));看是否真拿到 HTML - 检查编码：有些页面声明
charset=gb2312，但实际发 UTF-8，dom-crawler会解析乱码，导致节点匹配失败；可强制转码：mb_convert_encoding($html, 'UTF-8', 'auto') -
filter('a[href]')这种属性选择器没问题，但filter('a[href^="https"]')（属性开头匹配）在旧版 Symfony Crawler 中不支持，得升级到 v6+
并发抓取时被封 IP 或超时频繁
Goutte 底层用的是 Symfony HTTP Client，默认是同步阻塞请求，foreach 循环抓 10 个 URL 就是串行 10 次。没有内置限速、重试、连接池机制。
性能影响：单次请求默认 timeout 是 0（无限等待），遇到挂掉的站点就卡死整个脚本；DNS 解析、TLS 握手、服务器响应都算在内。
- 必须设超时：
$client->getClient()->setDefaultOption('timeout', 10)（v3.x）或新版用HttpClient::create(['timeout' => 10]) - 简单限速：用
sleep(1)控制频率，别信“每秒 5 次很安全”——目标站的robots.txt和实际反爬策略才是依据 - 真要并发，别硬改 Goutte，直接切到
guzzlehttp/guzzle+Promise，配合each_limit控制并发数，Goutte 的 DOM 解析能力可以复用在响应体上
复杂点在于：反爬策略千差万别，有的看请求间隔，有的验 TLS 指纹，有的查 HeadlessChrome 特征。Goutte 只解决“怎么把 HTML 拿回来并选元素”，剩下的得你自己补。
