cURL网页爬取适配：网站更新后如何提取平均值数据

核心修改点是替换XPath表达式，从匹配class属性改为匹配style属性，具体操作如下：

1. 替换XPath表达式 #

将原有的//td[contains(@class, 'page_speed_')]替换为：

//td[@style="text-align:right;"]

这个表达式会精确匹配style属性值为text-align:right;的<td>标签。

如果目标页面的style属性写法存在差异（比如带空格text-align: right;、末尾无分号等），可以改用模糊匹配来兼容：

//td[contains(@style, 'text-align:right')]

2. 完整修改后的代码示例 #

// 初始化cURL请求
$ch = curl_init('目标网站的URL');
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
// 模拟浏览器UA，避免被反爬拦截
curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36');

// 获取网页HTML内容
$html = curl_exec($ch);
curl_close($ch);

// 解析HTML
$dom = new DOMDocument();
libxml_use_internal_errors(true); // 忽略HTML语法错误
$dom->loadHTML($html);
libxml_clear_errors();

$xpath = new DOMXPath($dom);

// 使用修改后的XPath查询目标节点
$targetNodes = $xpath->query('//td[@style="text-align:right;"]');

// 提取并输出数据
if ($targetNodes->length > 0) {
    // 取第一个匹配的td内容，若有多个目标节点需调整索引
    $averageValue = trim($targetNodes->item(0)->nodeValue);
    echo "提取到的平均值：{$averageValue}";
} else {
    echo "未找到目标数据";
}

额外注意事项 #

如果页面中存在多个带有text-align:right;样式的<td>，需要结合目标节点的上下文（比如父节点的class、id，或者所在的表格位置）来优化XPath，避免提取到无关数据。例如：

//table[@id='stats-table']/tbody/tr/td[@style="text-align:right;"]

内容的提问来源于stack exchange，提问作者Ko1ind