PHPでWebスクレイピングなライブラリ、Goutteのインストール

楽しいよ、Webスクレイピング。
色んなライブラリを試したけれど、おまるくんは最終的に PHP + Goutte とか、PhantomJS とかに落ち着きました。

1 Composerの用意
2 Goutteのインストール
3 実際に使ってみる

Composerの用意

Goutte最新版はPHP5.5以上が必要です。
Composerでインストールなので、Composerがなければまずこちらを手に入れるところから。

#Composerのダウンロード
$ curl -sS https://getcomposer.org/installer | php
All settings correct for using Composer
Downloading 1.2.0...
 
Composer successfully installed to: ... /composer.phar
Use it: php composer.phar
 
#/usr/local/bin に移動
$ mv composer.phar /usr/local/bin/composer

#Composerのダウンロード

$ curl -sS https://getcomposer.org/installer | php

All settings correct for using Composer

Downloading 1.2.0...

Composer successfully installed to: ... /composer.phar

Use it: php composer.phar

#/usr/local/bin に移動

$ mv composer.phar /usr/local/bin/composer

Windowsならインストーラーがあります。
このあたりを参考に簡単インストールしちゃいましょう。

This page is error.

codezine.jp

Goutteのインストール

コマンドラインでGoutteをくれくれするだけの簡単インストール！
あっという間にインストールが終わります。

#Goutte インストール
$ composer require fabpot/goutte
Using version ^3.1 for fabpot/goutte
./composer.json has been created
Loading composer repositories with package information
Updating dependencies (including require-dev)
  - Installing guzzlehttp/promises (1.2.0)
    Loading from cache
    ...
symfony/browser-kit suggests installing symfony/process ()
Writing lock file
Generating autoload files

#Goutte インストール

$ composer require fabpot/goutte

Using version ^3.1 for fabpot/goutte

./composer.json has been created

Loading composer repositories with package information

Updating dependencies (including require-dev)

- Installing guzzlehttp/promises (1.2.0)

Loading from cache

...

symfony/browser-kit suggests installing symfony/process ()

Writing lock file

Generating autoload files

実際に使ってみる

ライブラリの利用は、インストールしたパッケージの /vendor/autoload.php を requireするだけでOKです。

まずは事始めとして、この記事のタイトルを取得してみることにします。

<?php
require_once (dirname(__FILE__) . '/vendor/autoload.php');
 
$client = new Goutte\Client();
$crawler = $client->request('GET', 'http://note.omarukun.com/notes/5/');
 
echo trim($crawler->filter('h1')->text()) . "\n";

<?php

require_once (dirname(__FILE__) . '/vendor/autoload.php');

$client = new Goutte\Client();

$crawler = $client->request('GET', 'http://note.omarukun.com/notes/5/');

echo trim($crawler->filter('h1')->text()) . "\n";

$ php gogogoutte.php
PHPでWebスクレイピングなライブラリ、Goutteのインストール

1 2	$ php gogogoutte.php PHPでWebスクレイピングなライブラリ、Goutteのインストール

ほら、取得できた！

$client->request() で取得しているのは

This page is error.

docs.symfony.gr.jp

filter(‘h1’) あたりでピンときて、リファレンスを読むだけでなんとなくなイメージが沸いてくる子にはうってつけ。
CSSセレクタに慣れているととても使い勝手のいいライブラリです。