如何用PHP编写简单网页爬虫获取指定商品价格？

目标：爬取指定商品页面中的价格数值“4699”，原代码无法正常运行，以下是问题分析和修正方案：

原代码的核心问题 #

• XPath表达式无效：原表达式'/<span class="price">[0-9]*\.[0-9]+/i'不符合XPath语法规范，不能直接用这种方式混合标签选择和正则匹配。
• 反爬拦截风险：直接调用file_get_contents请求页面，可能因缺少浏览器标识（User-Agent）被网站拦截，导致获取不到有效HTML内容。
• 节点内容输出错误：直接echo $node无法输出元素文本，需调用节点的nodeValue属性获取内容。

修正后的可运行代码 #

// 构造请求头，模拟浏览器访问以避免反爬拦截
$opts = [
    'http' => [
        'header' => "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36\r\n"
    ]
];
$context = stream_context_create($opts);

// 获取目标页面HTML内容
$html = file_get_contents("https://www.flanco.ro/telefon-mobil-apple-iphone-14-5g-128gb-purple.html", false, $context);

if (!$html) {
    die("无法获取页面内容");
}

$doc = new DomDocument();
// 忽略HTML解析时的语法错误，避免页面不规范导致解析失败
libxml_use_internal_errors(true);
$doc->loadHtml($html);
libxml_clear_errors();

$xpath = new DomXPath($doc);
// 定位class包含price的span元素（可根据页面实际结构调整为更精确的路径）
$nodes = $xpath->query('//span[contains(@class, "price")]');

if ($nodes->length > 0) {
    $priceText = $nodes->item(0)->nodeValue;
    // 从价格文本中提取纯数字部分
    preg_match('/\d+/', $priceText, $matches);
    if (!empty($matches)) {
        echo "提取到的价格：" . $matches[0]; // 输出结果为4699
    } else {
        echo "未提取到价格数值";
    }
} else {
    echo "未找到价格元素";
}

关键步骤说明 #

1. 请求头模拟：添加User-Agent字段，让请求看起来来自真实浏览器，降低被拦截概率。
2. HTML解析容错：启用libxml_use_internal_errors(true)忽略页面的语法问题，保证解析流程不中断。
3. XPath元素定位：用//span[contains(@class, "price")]精准定位价格元素，若页面有多个同类元素，可补充父节点路径缩小范围。
4. 数值提取：通过正则表达式剥离价格文本中的非数字内容，得到目标数值。

内容的提问来源于stack exchange，提问作者La jumate