Web Scraping问题：采集板球实时比分时重复返回已获取的历史值

安全阿岳

2026-9-30

解决方案

清理DOM解析器内存残留
simple_html_dom解析器存在内存未主动释放就会残留历史解析内容的已知问题，单次脚本多次执行采集逻辑时极易读取到旧值。需要在每次解析前后主动清理对象，同时新增HTTP头强制中间节点不缓存：

clearstatcache();
$url = 'https://www.example.in/scoreboard';

// 销毁上次的解析对象，避免残留
if (isset($cricket)) {
    $cricket->clear();
    unset($cricket);
}

// 新增HTTP头强制不缓存
$context = stream_context_create([
    'http' => [
        'header' => "Cache-Control: no-store, no-cache, must-revalidate\r\nPragma: no-cache\r\n"
    ]
]);

$cricket = file_get_html($url . '?nocache='. time(), false, $context);

优化DOM匹配逻辑，避免命中隐藏的历史节点
不要直接取全局第一个.team-score元素，页面中通常会有隐藏的历史比分节点、往期赛事节点也使用了同名class，plaintext会读取隐藏元素的内容。建议先定位到实时比分的专属父容器，再向下查找比分元素，同时过滤隐藏节点：

$score = '';
// 先定位实时比分父容器，示例id为live-board，可根据实际HTML结构调整
$live_board = $cricket->find('#live-board', 0);
if ($live_board) {
    $score_el = $live_board->find('.team-score', 0);
    // 过滤隐藏的元素
    $style = $score_el->getAttribute('style');
    if (strpos($style, 'display:none') === false && strpos($style, 'visibility:hidden') === false) {
        $score = trim($score_el->plaintext);
    }
}