Question

我使用Symfony，Goutte和DOMCrawler来抓取页面。不幸的是，这个页面有许多旧式的数据表，没有ID或类或识别因素。所以我试图通过解析我从请求中获得的源代码来找到一个表，但我似乎无法访问任何信息

我认为当我尝试过滤它时，它只过滤第一个节点，而不是我想要的数据，所以它什么都不返回。

所以我有一个$crawler对象。我试图通过以下内容来获得我想要的东西：

$title = $crawler->filterXPath('//td[. = "Title"]/following-sibling::td[1]')->each(funtion (Crawler $node, $i) {
        return $node->text();
});

我不确定Crawler $node是什么，我刚从网页上的例子中得到它。也许如果我可以使这个工作，那么它将循环遍历$crawler对象中的每个节点，并找到我真正想要的东西。

以下是该页面的示例：

<table> 
<tr>
    <td>Title</td>
    <td>The Harsh Face of Mother Nature</td>
   <td>The Harsh Face of Mother Nature</td>
</tr>
.
.
.
</table>

这只是一张桌子，这张桌子外面有许多桌子和一个巨大的草率混乱。有任何想法吗？

（注意：之前我能够将一个过滤器应用于$crawler对象以获取我需要的一些信息，然后我serialize()信息，最后有一个字符串，这是有意义的。但是我再也找不到字符串了，为什么这么说。）

Answer 1

DomCrawler html（）函数不会根据函数说明转储整个html：

它只返回它在你的情况下所做的第一个节点。

您可以使用http://php.net/manual/en/domdocument.savehtml.php，因为DomCrawler是一组SplObjectStorage。

$html = $crawler->getNode(0)->ownerDocument->saveHTML();

Answer 2

如果您查看Crawler::html()的来源，您会看到它正在执行以下操作：

$html = '';
foreach ($this->getNode(0)->childNodes as $child) {
    $html .= $child->ownerDocument->saveHTML($child);
}
return $html;