使用DomCrawler获取<time>标签dateTime属性失败求助

问题场景 #

给定HTML：

<time dateTime="2023-12-28T20:03:13.359+01:00">28 December 2023</time>

• 能正常获取meta标签的content属性：

$meta_description = $crawler->filter('meta[name="description"]')->attr('content');

• 调用$crawler->filter('time')->attr('dateTime')无法获取到dateTime属性
• 但调用$crawler->filter('time')->text()能正常返回文本内容28 December 2023

原因分析 #

1. HTML属性大小写特性：HTML中的属性名是大小写不敏感的，但DomCrawler底层依赖的PHP DOM扩展会自动将所有HTML属性名转换为小写。你代码里用的驼峰式dateTime和实际DOM中存储的小写datetime不匹配，导致无法读取。
2. 多节点匹配问题：如果页面存在多个<time>标签，attr()方法只会返回第一个匹配节点的属性。若第一个<time>标签没有datetime属性，也会返回null。

解决办法 #

1. 使用小写属性名datetime

直接用小写的属性名调用attr()：

$published_at = $crawler->filter('time')->attr('datetime');

2. 精确过滤目标节点

如果页面有多个<time>标签，建议增加筛选条件确保选中正确的节点，比如直接筛选带有datetime属性的<time>：

$published_at = $crawler->filter('time[datetime]')->first()->attr('datetime');

3. 直接操作DOMNode对象

如果上述方法仍不生效，可以直接获取DOM节点对象，调用原生的getAttribute()方法：

$timeNode = $crawler->filter('time')->getNode(0);
if ($timeNode) {
    $published_at = $timeNode->getAttribute('datetime');
}

内容的提问来源于stack exchange，提问作者WhatNow