本文介绍在 php 中通过原生 dom + xpath 或 symfony domcrawler 组件，高效筛选并提取具有特定 class 名（如含空格的复合类名）的 div 元素，适用于体育赛程等结构化网页抓取场景。
本文介绍在 php 中通过原生 dom + xpath 或 symfony domcrawler 组件，高效筛选并提取具有特定 class 名（如含空格的复合类名）的 div 元素，适用于体育赛程等结构化网页抓取场景。
在网页抓取（Web Scraping）实践中，精准定位目标元素是关键一步。尤其当目标 <div> 拥有多个 CSS 类（如 class="sdc-site-fixres__match-cell sdc-site-fixres__match-cell--score"），仅依赖 Simple HTML DOM 的 find('div[class="..."]') 容易因空格、顺序或部分匹配而失效——它不支持 CSS 类名的语义化匹配（即“同时包含所有指定类”），且对动态/复杂 HTML 结构鲁棒性较差。
更可靠的方式是使用 PHP 原生的 DOMDocument 配合 DOMXPath，通过 XPath 表达式精确匹配：
$day = 1;
$url = 'https://sport.sky.de/bundesliga-spielplan-ergebnisse-' . $day;
$html = file_get_contents($url);
// 加载 HTML 并忽略解析警告（可选）
libxml_use_internal_errors(true);
$doc = DOMDocument::loadHTML($html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
libxml_clear_errors();
$xpath = new DOMXPath($doc);
// XPath 查询：查找同时拥有两个 class 的 div，再获取其内部第2个 <span>
$query = $xpath->query('//div[contains(@class, "sdc-site-fixres__match-cell") and contains(@class, "sdc-site-fixres__match-cell--score")]/div/span[2]');
foreach ($query as $node) {
/** @var DOMElement $node */
echo trim($node->textContent) . PHP_EOL;
}✅ 关键说明：
- 使用 contains(@class, "...") 而非 @class="..."，避免因 class 顺序、额外空格或动态追加类导致匹配失败；
- LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD 可防止自动补全 <html><body> 标签，提升结构一致性；
- trim() 和 textContent 比 nodeValue 更安全，有效去除首尾空白与换行。
? 进阶推荐：Symfony DomCrawler（生产环境首选）
若项目已使用 Symfony 或可引入 Composer 包，symfony/dom-crawler 提供更直观、链式、CSS 选择器友好的 API：
composer require symfony/dom-crawler symfony/css-selector
use Symfony\Component\DomCrawler\Crawler;
$html = file_get_contents('https://sport.sky.de/bundesliga-spielplan-ergebnisse-1');
$crawler = new Crawler($html);
// 支持标准 CSS 选择器，自动处理多 class 匹配
$nodes = $crawler
->filter('div.sdc-site-fixres__match-cell.sdc-site-fixres__match-cell--score div span:nth-child(2)');
foreach ($nodes as $node) {
echo trim($node->textContent) . "\n";
}⚠️ 注意事项：
立即学习“PHP免费学习笔记（深入）”；
- 目标网站可能有反爬机制（如 User-Agent 检查、JavaScript 渲染），需添加请求头或改用 Puppeteer/Playwright；
- file_get_contents() 不支持 HTTPS 重定向或 Cookie 管理，建议搭配 cURL 封装；
- Simple HTML DOM 已停止维护，新项目应避免使用，优先选择原生 DOM 或成熟组件。
综上，XPath 是轻量级、无依赖的精准匹配方案；而 DomCrawler 则在可维护性、测试友好性和生态整合上更具优势——二者均优于基于字符串匹配的传统解析方式。
