如何使用Simple HTML DOM Parser从亚马逊提取产品图片、名称与价格

准备工作 #

• 下载Simple HTML DOM Parser库，解压后在PHP项目中引入simple_html_dom.php文件。
• 确保环境支持PHP的file_get_contents或cURL（推荐用后者，稳定性更强）。

核心代码示例 #

以下是针对亚马逊产品页提取图片、名称、价格的可运行代码：

<?php
// 引入解析器库
require_once('simple_html_dom.php');

// 替换为目标亚马逊产品URL
$targetUrl = 'https://www.amazon.com/dp/B08N5WRWNW';

// 模拟浏览器请求头，规避基础反爬
$requestOpts = [
    'http' => [
        'header' => "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36\r\n"
    ]
];
$context = stream_context_create($requestOpts);

// 获取页面HTML内容
$pageHtml = file_get_contents($targetUrl, false, $context);
if (!$pageHtml) {
    die('页面获取失败，请检查URL或网络状态');
}

// 初始化DOM解析器
$dom = str_get_html($pageHtml);

// 提取产品名称（对应页面id为productTitle的元素）
$nameElement = $dom->find('#productTitle', 0);
$productName = $nameElement ? trim($nameElement->plaintext) : '未抓取到产品名称';

// 提取产品价格（兼容亚马逊常见的价格结构）
$priceWhole = $dom->find('span.a-price-whole', 0);
$priceFraction = $dom->find('span.a-price-fraction', 0);
$productPrice = '';
if ($priceWhole && $priceFraction) {
    $productPrice = trim($priceWhole->plaintext) . '.' . trim($priceFraction->plaintext);
} else {
    // 备用抓取逻辑：取a-offscreen类的价格元素
    $altPrice = $dom->find('span.a-offscreen', 0);
    $productPrice = $altPrice ? trim($altPrice->plaintext) : '未抓取到产品价格';
}

// 提取产品主图（优先取高清图，解析data-a-dynamic-image属性）
$imageElement = $dom->find('#landingImage', 0);
$productImage = '';
if ($imageElement && $imageElement->getAttribute('data-a-dynamic-image')) {
    $imageData = json_decode($imageElement->getAttribute('data-a-dynamic-image'), true);
    // 按图片分辨率从高到低排序，取最高清的图
    arsort($imageData);
    $productImage = key($imageData);
} else {
    // 备用逻辑：直接取src属性的图片链接
    $productImage = $imageElement ? $imageElement->src : '未抓取到产品图片';
}

// 输出结果
echo "产品名称：{$productName}\n";
echo "产品价格：{$productPrice}\n";
echo "产品图片URL：{$productImage}\n";

// 清理DOM资源，避免内存泄漏
$dom->clear();
unset($dom);
?>

重要提示 #

• 页面结构变动：亚马逊的HTML元素ID、类名经常会调整，若代码失效，需用浏览器开发者工具重新定位目标元素。
• 反爬规避：亚马逊有严格反爬机制，不要短时间内频繁请求，建议添加请求间隔、使用代理IP，且始终保持合法的请求头。
• 合规性：爬取前请确认符合亚马逊Robots.txt协议及当地法律法规，避免违规。

内容的提问来源于stack exchange，提问作者Bala2125