PHPでスクレイピング Goutte メモ

#導入
以下URLを参照。
今回はPHP5.3の環境だったのでGoutte1.xのpharをダウンロードして使用。
https://github.com/FriendsOfPHP/Goutte

#準備

require_once __DIR__ . "/goutte-v1.0.7.phar";
use Goutte\Client;

使用例

リクエスト (request)

$client = new Client();
$crawler = client->request('GET', 'http://test.com');

ステータス取得

$client->getResponse()->getStatus();

タグから抽出 (filter)

// 最初(0番目)のpタグのテキストを抽出　（class指定）
$crawler->filter("p.class")->eq(0)->text();

// aタグのhtmlを抽出 （id指定） 　
$crawler->filter("a#id")->html();

// aタグのhrefの値を抽出
$crawler->filter("a.class")->attr("href");

// 同様なタグが複数ある場合順番に処理
$crawler->filter("div.class table")->each(function ($node){
    // tdタグが存在した時だけ処理
    if(count($node->filter("td")) !== 0){
        echo $node->text();
    }
});

##　現在のページのURLを取得

$client->getHistory()->current()->getUri();

リンクをクリック

// 「次へ」というテキストのリンクを探しリンク先を取得
$link = $crawler->selectLink("次へ")->link();
$crawler = $client->click($link);