结论：别指望用一条 composer require 就搭出“高性能爬虫系统”。Composer 只是装包工具，真正决定性能和可用性的，是框架选型、HTTP 底层配置、解析方式和反爬适配——这些都得手动调。
直接说结论：别指望用一条 composer require 就搭出“高性能爬虫系统”。Composer 只是装包工具，真正决定性能和可用性的，是框架选型、HTTP 底层配置、解析方式和反爬适配——这些都得手动调。
为什么 composer require roachphp/roach 会报错
Roach 目前没发布到 Packagist，composer require roachphp/roach 必然失败，错误信息是 Could not find package roachphp/roach。这不是你网络问题，是它压根没上主仓库。
- 必须手动在
composer.json的repositories字段加 GitHub VCS 源："url": "https://github.com/roachphp/roach" - 版本只能写
"roachphp/roach": "dev-main"，它没有1.0或v2.0这类稳定 tag - 安装后要补 PSR-4 映射：
"Roach\": "vendor/roachphp/roach/src/"，否则运行就抛Class 'RoachSpider' not found -
composer dump-autoload必须执行，且路径大小写敏感（src/不是SRC/）
Goutte 装不上？大概率是包名或 PHP 版本错了
composer require php-spider/php-spider 或 fabpot/goutte 都会失败——前者已废弃，后者不兼容 PHP 8.1+，错误可能是 Deprecated: curl_setopt(): Passing null to parameter #3。
- 正确命令只有：
composer require goutte/goutte - PHP 版本必须 ≥ 8.0；低于该版本会因
match表达式直接 fatal error - 依赖
ext-curl和ext-json，命令行验证：php -m | grep -E "curl|json" - 如果项目已用 Laravel，更推荐
guzzlehttp/guzzle+symfony/dom-crawler手动组合，避免 Goutte 内部封装导致调试困难
抓出来是空的？先查响应再调选择器
Goutte 的 $crawler->filter() 静默返回空数组，不是选择器写错，而是根本没拿到有效 HTML。
立即学习“PHP免费学习笔记（深入）”；
- 先打印
$response->html()或$response->getStatus()，确认是否返回 403/503 或 Cloudflare 页面 - 默认 UA 是
goutte/v4.0，多数站点直接拦截；必须手动设：$client->setServerParameter('HTTP_USER_AGENT', 'Mozilla/5.0...') - 遇到 JS 渲染页（如 Vue/React SPA），Goutte 无解——它不执行 JS；此时该换
puppeteer-php或直连 headless Chrome API - 登录态维持可行，但不能只看 HTTP 状态码 200；要检查
$crawler->filter('title')->text()是否含“欢迎”“Dashboard”等关键词
别跳过 cURL 三要素，这是生产环境存活底线
用 file_get_contents 或默认 cURL 配置，在真实站点上基本活不过 10 分钟。
-
CURLOPT_USERAGENT：必须设成主流浏览器 UA，禁用空值或默认值 -
CURLOPT_FOLLOWLOCATION：true，否则重定向链（如登录跳转）直接断掉 -
CURLOPT_SSL_VERIFYPEER：开发期可临时 false，上线必须 true，否则 HTTPS 请求大面积失败 - 额外建议：加
Accept-Language和Referer头，对部分站点能明显降低 403 概率；超时统一设15秒，防单请求卡死整批任务
真正的瓶颈从来不在 Composer 命令敲得快不快，而在你有没有把 HTTP 请求头、SSL 验证、DOM 解析容错这些细节钉死——漏掉任意一个，爬虫上线后就是间歇性失明。
