网页内容抓取乱码？Laminas\Dom+XPath/CSSSelector轻松搞定-composer-PHP中文网

网页内容抓取乱码？LaminasDom+XPath/CSSSelector轻松搞定

PHPz

发布： 2025-06-20 10:16:28

原创

799人浏览过

在进行网络爬虫或者网页内容分析时，经常需要从HTML文档中提取特定的信息。然而，原始的DOM操作往往比较繁琐，而且不同的网页结构差异很大，使得提取过程变得复杂而容易出错。这时候，Laminas\Dom组件就能派上大用场。

laminas\dom组件提供了一个统一的接口，可以使用xpath或者css选择器来查询dom文档。这意味着你可以像使用jquery一样，用简洁的css选择器来定位元素，或者使用更强大的xpath表达式来精确地提取数据。

使用Composer安装Laminas\Dom非常简单：

composer require laminas/laminas-dom

登录后复制

示例：使用CSS选择器提取标题

假设我们有以下HTML代码：

<!DOCTYPE html>
<html>
<head>
    <title>Laminas\Dom 示例</title>
</head>
<body>
    <div class="content">
        <h1>这是一个标题</h1>
        <p>这是一段文字。</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p>
    </div>
</body>
</html>

登录后复制

我们可以使用Laminas\Dom\Query来提取

标签的内容：

use Laminas\Dom\Query;

$html = '<!DOCTYPE html><html><head><title>Laminas\Dom 示例</title></head><body><div class="content"><h1>这是一个标题</h1><p>这是一段文字。</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p></div></body></html>';

$query = new Query($html);
$results = $query->execute('div.content h1');

foreach ($results as $result) {
    echo $result->nodeValue . PHP_EOL; // 输出：这是一个标题
}

登录后复制

示例：使用XPath提取内容

同样，我们也可以使用XPath来提取相同的信息：

use Laminas\Dom\Query;

$html = '<!DOCTYPE html><html><head><title>Laminas\Dom 示例</title></head><body><div class="content"><h1>这是一个标题</h1><p>这是一段文字。</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p></div></body></html>';

$query = new Query($html);
$results = $query->execute('//div[@class="content"]/h1');

foreach ($results as $result) {
    echo $result->nodeValue . PHP_EOL; // 输出：这是一个标题
}

登录后复制

通过以上示例可以看出，Laminas\Dom组件极大地简化了DOM操作，使得我们可以更方便、更高效地从HTML文档中提取数据。无论是简单的CSS选择器还是复杂的XPath表达式，Laminas\Dom都能轻松应对。

Composer在线学习地址：学习地址

注意：

需要注意的是，laminas/laminas-dom 组件已经被官方标记为 abandoned，不再进行维护。官方推荐使用 symfony/dom-crawler 作为替代方案。因此，在新的项目中，建议优先考虑 symfony/dom-crawler。

总而言之，虽然 laminas/laminas-dom 组件已经停止维护，但它仍然是一个非常有用的工具，可以帮助我们解决网页内容抓取和解析的难题。如果你还在使用它，可以继续利用其强大的功能。但同时，也建议考虑迁移到 symfony/dom-crawler 等更活跃的替代方案。

以上就是网页内容抓取乱码？LaminasDom+XPath/CSSSelector轻松搞定的详细内容，更多请关注php中文网其它相关文章！