问题标签 [goutte]

我正在使用 Goutte 抓取网页

我使用块来查找节点

如果我只想要第一个节点

那么我怎样才能找到“A LINK”？我被这个 js 块击中了

我目前正在返回一个具有 21 个节点的爬虫对象。

但是，我遇到的问题是，我不想要这些节点中的前 4 个。如何过滤生成的对象以仅包含最后 17 个节点？

这是代码：

错误（重复两次）： PHP Fatal error: Uncaught exception 'GuzzleHttp\Exception\RequestException' with message '[curl] (#28) See http://curl.haxx.se/libcurl/c/libcurl-errors.html for an explanation of cURL errors [url] https://sfbay.craigslist.org/sfc/apa/' in /Users/...../vendor/guzzlehttp/guzzle/src/Adapter/Curl/MultiAdapter.php:216

问题是：代码在一小时前工作，没问题！在发现错误 #28 超时后，我添加了 cURL 选项。

我错过了 cURL 选项吗？或者也许我设置的值错误？为什么要改变？我不在一个明显较慢的网络（AFAIK）上。

如何使用gotte但不将 cookie 发送回服务器？

我想这样做是因为服务器可以管理 URL 中的 sessionid。

我正在尝试用 Goutte 抓取 Facebook 页面，以收集页面的“创建日期”。这不能通过 Graph API 访问。

在测试中，我能够从 tutsplus 和 symfony-project 之类的页面中检索所有链接，但是当我尝试访问诸如“ https://www.facebook.com/151116474914629 ”之类的页面时，它会返回不正确的“ 2”链接。

代码：

关于检索整页内容的任何想法？

我正在尝试使用 goutte 从 html 文件中提取特定值

在这种情况下，我得到了片段：

我想提取myfield1a 的值。我该如何实现？

我已经尝试过但没有成功（结果为NULL）：

我的网站上有 html（http://testsite.com/test.php）：

我想收到：

所以我想删除跨度。我基于http://symfony.com/doc/current/components/dom_crawler.html在 Symfony2 中使用 Goutte ：

我正在寻找重新编写我拥有的 Python 脚本，该脚本通过链接列表，然后从它获得的页面中提取几天。

出现的一个问题是，如果链接是图像或 zip 甚至 ISO，我不想下载整个文件。我可以尝试检查扩展名，但这并不总是有效。

在我的 Python 脚本中，我做了两件事。

• 连接到站点后，我会检查内容类型标题。Python 似乎能够在不下载整个文件的情况下做到这一点。

• 将我在请求中下载的 URL 限制为 150kb。由于我只是在 HTML 页面之后，这将涵盖它。

我想在这个项目中使用 Guzzle，但是查看文档我不确定这是否可以完成。

我的主要问题是确保我没有下载 ISO 文件或视频并使用所有 RAM 或带宽。

在亚马逊上创建愿望清单链接，弹出一个表格。该表单包含以下方式的提交按钮：

我正在使用以下代码，但它没有获取表单：

问题可能是selectButton()与在我的情况下不存在的确切文本匹配。请帮忙

我使用 Goutte/Symfony2 抓取网页，但过滤器有问题，

我在 $msg 中有爬虫（网络的一部分），如果我打印 html，我可以在 $msg 内部看到一个 .mola 类的 div，为什么如果我过滤 $msg 以从 .mola 获取文本The current node list is empty？

谢谢！！