FriendsOfPHP/Goutte

Goutte is een sicke webscraping- en webcrawlingbibliotheek voor PHP. Het biedt een coole API om websites te verkennen en gegevens uit HTML/XML-responsen te plukken. Let op: deze bibliotheek is weliswaar een beetje outdated. Sinds versie 4 is Goutte een simpele proxy geworden voor de HttpBrowser-klasse uit het Symfony BrowserKit-component. Om te migreren, moet je Goutte\Client vervangen door Symfony\Component\BrowserKit\HttpBrowser in je code. Goutte heeft PHP 7.1+ nodig. Om 'm te installeren, voeg je fabpot/goutte als vereiste afhankelijkheid toe aan je composer.json-bestand: composer require fabpot/goutte. Je kunt een Goutte Client-instantie maken (die Symfony\Component\BrowserKit\HttpBrowser uitbreidt): use Goutte\Client; $client = new Client(); Met de request()-methode kun je aanvragen doen: // Naar de symfony.com-website gaan $crawler = $client->request('GET', ''); Deze methode geeft een Crawler-object terug (Symfony\Component\DomCrawler\Crawler). Om je eigen HTTP-instellingen te gebruiken, kun je een HttpClient-instantie maken en aan Goutte geven. Bijvoorbeeld om een timeout van 60 seconden toe te voegen: use Goutte\Client; use Symfony\Component\HttpClient\HttpClient; $client = new Client(HttpClient::create(['timeout' => 60])); Je kunt op links klikken: // Op de "Security Advisories"-link klikken $link = $crawler->selectLink('Security Advisories')->link(); $crawler = $client->click($link); En gegevens extraheren: // Het nieuwste bericht in deze categorie pakken en de titels laten zien $crawler->filter('h2 > a')->each(function ($node) { print $node->text()." "; }); Daarnaast kun je formulieren indienen: $crawler = $client->request('GET', ''); $crawler = $client->click($crawler->selectLink('Inloggen')->link()); $form = $crawler->selectButton('Inloggen')->form(); $crawler = $client->submit($form, ['login' => 'fabpot', 'password' => 'xxxxxx']); $crawler->filter('.flash-error')->each(function ($node) { print $node->text()." "; }); Voor meer info kun je de documentatie van de BrowserKit, DomCrawler en HttpClient Symfony Components checken om te zien wat je nog meer met Goutte kunt doen. Goutte wordt uitgesproken als goot, dus het rijmt op boot en niet op out. Goutte is een dunne wrapper rond de volgende Symfony Components: BrowserKit, CssSelector, DomCrawler en HttpClient. Goutte heeft een MIT-licentie.