web-crawler - 如何使用古特

问题:
无法完全了解Goutte网页抓取工具。

要求:
有人可以帮助我理解或提供代码以帮助我更好地了解如何使用Goutte网络抓取工具吗？我已经阅读了README.md。我正在寻找比提供的信息更多的信息，例如Goutte中可用的选项以及如何编写这些选项，或者当您查看表单时，是否在搜索表单的name =或id =？

试图抓取的网页布局:
步骤1 :
该网页有一个带有单选按钮的表单，用于选择要填写哪种表单(即名称或许可证)。它默认为带有名字和姓氏的名称文本框，以及状态下拉菜单选择列表。如果选择“广播”，则使用jQuery或JavaScript可以使“名字”和“姓氏”文本框消失，并显示“许可证”文本框。

步骤2 :
成功提交表单后，它将带您进入具有多个链接的页面。我们可以进入其中两个之一来获取我们所需的信息。

步骤3 :
成功单击链接后，我们希望第三页包含我们要查找的数据，并将该数据存储到php变量中。

提交不正确的信息:
如果提交了错误的信息，那么jQuery/Javascript将返回一条消息
“没有找到记录。”在与提交内容相同的页面上。

注意:
首选方法是选择许可证单选按钮，填写许可证编号，选择状态，然后提交表格。我已经阅读了有关Goutte的大量文章和博客以及其他文章，而我无处找不到Goutte的可用选项，如何查找此信息或如何使用这些信息(如果存在的话)。

最佳答案

您要查看的文档是Symfony2 DomCrawler。

Goutte是基于Guzzle的客户端构建，每次您请求/提交某些内容时，它都会返回Crawlers:

use Goutte\Client;
$client = new Client();
$crawler = $client->request('GET', 'http://www.symfony-project.org/');

使用此搜寻器，您可以执行将所有P标签放入体内的操作:

$nodeValues = $crawler->filter('body > p')->each(function (Crawler $node, $i) {
    return $node->text();
});
print_r($nodeValues);

填写并提交表格:

$form = $crawler->selectButton('sign in')->form();
$crawler = $client->submit($form, array(
        'username' => 'username',
        'password' => 'xxxxxx'
));

您单击链接或设置选项，选择复选框等等，请参阅Form and Link support。

要从搜寻器获取数据，请使用html或text方法

echo $crawler->html();
echo $crawler->text();