Goutte是基于Symfony组件的PHP爬虫工具，通过Composer安装后可快速抓取网页内容，支持提取标题、链接及表单提交，并能设置请求头与延时，适用于静态页面抓取。
使用 PHP 调用爬虫程序抓取网页内容，Goutte 是一个轻量且高效的工具。它基于 Symfony 的组件构建，封装了 DOM 解析和 HTTP 请求，适合快速实现网页抓取任务。
安装 Goutte
通过 Composer 安装 Goutte，确保你的项目中已配置好 Composer 环境：
命令：
composer require fabpot/goutte
执行后，Composer 会自动下载 Goutte 及其依赖（如 Guzzle、Symfony DomCrawler 和 CssSelector）。
立即学习“PHP免费学习笔记（深入）”；
基本使用示例
以下是一个简单的 PHP 脚本，演示如何使用 Goutte 抓取网页标题和链接：
<?php
require_once 'vendor/autoload.php';
use Goutte\Client;
$client = new Client();
// 发起 GET 请求
$crawler = $client->request('GET', 'https://httpbin.org/html');
// 获取页面标题
$title = $crawler->filter('h1')->text();
echo "标题: " . $title . "\n";
// 遍历所有链接
$crawler->filter('a')->each(function ($node) {
echo "链接文本: " . $node->text() . " -> " . $node->attr('href') . "\n";
});
这段代码访问测试页面并提取 h1 标题与所有 a 标签的文本和链接地址。
处理表单与 POST 请求
Goutte 支持模拟表单提交，适用于需要登录或搜索的场景：
// 访问登录页
$crawler = $client->request('GET', 'https://example-login.com');
// 选择表单并填写数据
$form = $crawler->selectButton('login')->form();
$client->submit($form, [
'username' => 'your_user',
'password' => 'your_pass'
]);
// 检查登录后的内容
$crawler = $client->followRedirect();
echo $crawler->filter('body')->text();
注意：字段名需根据实际 HTML 表单的 name 属性调整。
设置请求头与延时控制
为避免被目标网站屏蔽，可设置 User-Agent 并加入延时：
$client->setHeader('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36');
sleep(1); // 每次请求间隔1秒
也可使用 Guzzle 自定义客户端以支持代理、超时等更复杂配置。
基本上就这些。Goutte 简洁易用，适合中小型抓取需求。对于 JavaScript 渲染页面，建议结合 Puppeteer 或其他无头浏览器方案。
