使用PHP编写爬虫可通过cURL获取网页内容，Goutte解析HTML结构，正则表达式提取特定数据，结合Puppeteer处理JavaScript渲染页面，实现完整数据抓取流程。
如果您需要从目标网站抓取数据但无法通过常规方式获取，可以使用PHP编写网络爬虫程序模拟请求并提取所需内容。以下是几种实现PHP爬虫的常用方法。
本文运行环境：MacBook Pro，macOS Sonoma
一、使用cURL发送HTTP请求
cURL是PHP中用于发起网络请求的强大扩展，适合获取网页源码。通过设置请求头信息，可模拟浏览器行为避免被屏蔽。
1、启用php_curl扩展，在php.ini中确保extension=curl已开启。
立即学习“PHP免费学习笔记（深入）”；
2、初始化cURL句柄：$ch = curl_init();
3、配置请求参数，例如设置目标URL和返回结果不直接输出：
curl_setopt($ch, CURLOPT_URL, "https://example.com");
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
4、执行请求并获取响应：$html = curl_exec($ch);
5、关闭句柄释放资源：curl_close($ch);
二、利用Goutte库进行DOM解析
Goutte是一个基于Symfony组件的Web抓取工具，能够便捷地遍历和查询HTML结构，适用于结构化数据提取。
1、通过Composer安装Goutte：composer require fabpot/goutte
2、引入自动加载文件：require_once 'vendor/autoload.php';
3、创建客户端实例并访问页面：
$client = new \Goutte\Client();
$crawler = $client->request('GET', 'https://example.com');
4、使用CSS选择器提取节点内容，如获取所有标题：
$titles = $crawler->filter('h2')->each(function ($node) {
return $node->text();
});
三、结合正则表达式提取特定内容
当目标数据嵌入在固定格式文本中时，正则表达式可用于精确匹配字符串模式，尤其适用于非标准HTML或动态生成的内容。
1、获取完整HTML内容后，使用preg_match_all函数批量提取：
preg_match_all('/ 2、检查匹配结果是否存在：if (!empty($matches[1])) { ... } 3、遍历$matches[1]数组即可获得所有价格数值。 4、注意转义特殊字符，并尽量缩小匹配范围以提高准确性。 部分网站依赖JavaScript动态加载数据，此时仅靠cURL无法获取完整HTML。可通过调用外部无头浏览器完成渲染。 1、安装Puppeteer PHP扩展：composer require nesk/puphpeteer 2、启动无头Chrome实例： $puppeteer = new \Nesk\Puphpeteer\Puppeteer(); $browser = $puppeteer->launch(); 3、打开新页面并等待网络空闲： $page = $browser->newPage(); $page->goto('https://example.com', ['waitUntil' => 'networkidle0']); 4、执行脚本获取渲染后的DOM内容： $content = $page->content(); $browser->close();四、处理JavaScript渲染的内容
