PHP 網頁爬蟲實作：四大主流解析庫完整指南與代碼示例

PHP 網頁爬蟲實作：四大主流解析庫完整指南與代碼示例

網頁資料擷取是後端開發常見需求，核心在於解析 DOM 樹並精準定位目標節點。本文整理四種成熟、易用的 PHP 爬蟲方案，若熟悉 jQuery 選擇器語法，上手極快。

一、Ganon：輕量級 DOM 解析器

專案地址： Ganon 官方頁面
文檔： 使用手冊

Ganon 採用類似 jQuery 的選擇器語法，代碼極為簡潔。以下示範抓取首頁所有 class="focus" 的 <div> 元素並輸出 class 值：

<?php
include 'ganon.php';
$html = file_get_dom('https://www.ido321.com/');
foreach($html('div[class="focus"]') as $element) {
    echo $element->class, "<br>\n";
}
?>

二、phpQuery：jQuery 語法的 PHP 移植版

專案地址： phpQuery 官方頁面
文檔： 詳細手冊

phpQuery 完整移植了 jQuery 核心 API，對前端開發者極其友好。示例：抓取首頁所有 <article> 標籤下的 <h2> 內容：

<?php
include 'phpQuery/phpQuery.php';
phpQuery::newDocumentFile('https://www.ido321.com/');
$artlist = pq("article");
foreach($artlist as $title){
    echo pq($title)->find('h2')->html()."<br/>";
}
?>

三、Simple HTML DOM：經典好用的解析庫

專案地址： SourceForge 頁面
文檔： 使用指南

支援 URL 與檔案直接建立 DOM 物件，語法直觀。示例：抓取首頁所有超連結：

<?php
include 'simple_html_dom.php';
$html = file_get_html('https://www.ido321.com/');
foreach($html->find('a') as $element)
    echo $element->href . '<br>';
?>

四、Snoopy：模擬瀏覽器的 HTTP 客戶端

專案地址： Snoopy 官方頁面

Snoopy 不僅能抓取內容，還支援表單提交、Cookie 處理、重定向追蹤等瀏覽器行為。示例：獲取首頁完整 HTML：

<?php
include("Snoopy.class.php");
$url = "https://www.ido321.com";
$snoopy = new Snoopy;
$snoopy->fetch($url);
echo $snoopy->results;
// 進階用法：
// echo $snoopy->fetchtext;    // 純文本內容
// echo $snoopy->fetchlinks($url); // 所有連結
// $snoopy->fetchform;        // 表單資訊
?>

五、手動編寫爬蟲：最大彈性但成本最高

若具備扎實的網路協議與正則表達式功力，可使用 fsockopen、cURL 或 stream_context_create 手寫爬蟲，完全掌控請求細節。但需自行處理編碼、重定向、壓縮、反爬機制等複雜問題，維護成本極高，非必要不建議採用。

開源爬蟲專案推薦

• 常見開源爬蟲專案彙總

補充技巧：關鍵字提取與摘要生成

配合 strip_tags() 去除 HTML 標籤，結合中文分詞庫（如 SCWS、Jieba PHP）可實現關鍵字提取與自動摘要，供站內搜尋或 SEO 使用。