八款不错的PHP网页爬虫库
使用爬虫抓取内容是我们开发人员每天都要遇到的事情。从抓取任务来讲，会遇到不同的需求，比如抓取京东的定价或库存，抓取某网站的资讯等。
在后端开发中，抓取爬虫非常流行，也有一些开发者在为人们开发高质量的解析器和抓取工具。在本篇文章中，我们就探索一些爬虫库，这些库对网站抓取以及存储数据都就有用的。
在PHP中，我们使用以下库进行数据和内容抓取：
Goutte
Simple HTML DOM
html SQL
cURL
Request
HTTPful
Buzz
Guzzle
1. Goutte
说明：
Goutte库很有用，它让PHP抓取内容更出色
基于Symfony Framework
提供API，可以从Ajax / XML响应中抓取内容
基于MIT许可证
特点：
适用于大型项目
基于OOP开发
中等解析速度
要求：
依赖PHP 5.5+和Guzzle 6+
说明：
https://goutte.readthedocs.io/en/latest/
更多内容：
https://menubar.io/php-scraping-tutorial-scrape-reddit-with-goutte
2.Simple HTML DOM
说明：
Simple HTML DOM可以非常轻松地访问和使用HTML
Simple HTML Dom使用选择器在HTML上寻找标签，就像jQuery
只需一行中就可从HTML抓取数据
没有其它库速度快
使用MIT许可证
特点：
它支持无效的网页抓取
要求：
需要PHP 5+
说明：
http://simplehtmldom.sourceforge.net/manual.htm
更多内容：
http://www.prowebscraper.com/blog/web-scraping-using-php/
3. htmlSQL
说明：
目前还是一个实验性的PHP库，你可以使用类似SQL的语法访问HTML页面的值
无需编写复杂的函数或正则表达式即可获取指定HTML值
如果你喜欢SQL，那么相信你也会喜欢这个库
可以将其用于各种杂项任务快速解析网页
基于BSD许可证
特点：
它提供了相对较快的解析，但是功能有限
要求：
PHP4 +以上版本均正常运行
配合Snoopy 1.2.3（可选-网络传输用）。
说明文档：
https://github.com/hxseven/htmlSQL
更多：
https://github.com/hxseven/htmlSQL/tree/master/examples
4. cURL
描述：
cURL是公认用于从网页提取数据最受欢迎的库之一（已内置在PHP扩展）
由于它是标准化的PHP库，无需包含第三方文件和类
要求：
要使用PHP的cURL函数，需安装libcurl，需要libcurl版本7.10.5或更高版本
说明文档：
http://php.net/manual/ru/book.curl.php
查看更多：
http://scraping.pro/scraping-in-php-with-curl/
5.Request
描述
Request是用纯PHP编写的HTTP库
它基于出色的 Python库中的Requests API
可以发送HEAD，GET，POST，PUT，DELETE和PATCH等HTTP请求
借助Request，可以添加自定义header，表单数据，多段文件和带有简单数组的参数，以及访问动态响应数据
基于ISC许可证
特点：
支持SSL验证
基本/摘要身份验证
自动解压缩
连接超时处理
要求：
需要PHP版本5.2+
说明文件：
https://github.com/rmccue/Requests/blob/master/docs/README.md
6. HTTPful
说明：
HTTPful是一个简单的PHP库。因为它可链接亦可读，它的目标就是使HTTP更有可读性。
它让开发人员专注于与API交互，而不必浏览curl set_opt页面。它的PHP REST客户端也很稳定
使用MIT许可证
特征：
可读的HTTP支持（GET，PUT，POST，DELETE，HEAD，PATCH和OPTIONS）
可自定义 Header
自动“智能化”解析。
自动有效载荷序列化。
基本验证
客户端证书验证
支持请求“模板”。
要求：
PHP版本5.3+
说明文件：
http://phphttpclient.com/docs/
7. Buzz
描述：
Buzz非常有用，它是一个轻量级的库，可轻松发出HTTP请求
设计简单，具有Web浏览器特性
使用MIT许可证
特征：
API简单
性能高
要求：
需要PHP版本7.1以上
说明文件：
https://github.com/kriswallsmith/Buzz/blob/master/doc/index.md
学到更多：
https://github.com/kriswallsmith/Buzz/tree/master/examples
8.Guzzle
说明：
Guzzle非常有用，因为它是一个PHP HTTP客户端，使您可以轻松地发送HTTP请求，它与Web服务集成也很容易
特点：
有一个简单的界面，可帮助构建查询字符串，POST请求，流式传输大文件，流式传输下载文件，使用HTTP cookie，上传JSON数据等
可以在同一接口的帮助下发送同步和异步请求
它利用PSR-7接口处理请求，响应和流。这使您可以在Guzzle中使用其他PSR-7兼容的库
它可以抽象出底层的HTTP传输，使您能够编写环境并传输不可知代码。即对cURL，PHP流，套接字或非阻塞事件循环没有强依赖
中间件系统能够增强客户端行为
要求：
需要PHP 5.3.3+以上版本。
说明文档：
http://docs.guzzlephp.org/en/stable/
更多内容：
https://lamp-dev.com/scraping-products-from-walmart-with-php-guzzle-crawler-and-doctrine/958
以上绍这些可用的Web抓取工具，根据自己的Web抓取需求，确定哪种工具适合自己。
有任何补充，欢迎各位留言。
相关阅读：