爬虫抓取表格技巧及PHP处理Excel方法

如果浏览器里能看到表格，但 PHP 用 file_get_contents() 抓回来是空的或只有占位符，基本确定数据由 JS（如 Vue/React/AJAX）动态注入。这时 PHP 本身无法执行 JS，硬解析 HTML 源码没用。

可行路径只有两条：找真实接口、或换环境执行 JS。前者优先。

• 打开 Chrome DevTools → Network → 切到 XHR/Fetch，筛选关键词如 data、list、export，找到返回 JSON 或 CSV 的请求 URL
• 该接口若带 Referer 或 Cookie 校验，用 curl_setopt($ch, CURLOPT_COOKIE, $cookie_str) 补全；若校验 User-Agent，记得设成浏览器值
• 真没接口？再考虑 Headless 浏览器（如 Puppeteer + PHP 调用 Node.js），但部署成本高、响应慢，不是“抓取表格”的默认解法

真要读 Excel 文件（.xlsx/.xls）？用 PhpSpreadsheet，别碰 PHPExcel

PHPExcel 已停止维护，PHP 7.2+ 会报致命错误；PhpSpreadsheet 是其官方继任者，支持现代 Excel 格式，且内存控制更好。

注意：它只处理本地文件或可访问的 HTTP URL（需开启 allow_url_fopen），不能直接解析 HTML 页面里的“表格外观”。

• 远程 Excel 文件建议先 file_put_contents() 下载到临时路径，再用 IOFactory::load($tmp_file)，避免流式读取超时或中断
• 大文件（>10MB）务必启用缓存：Settings::setCacheStorage(new MemoryCache())，否则可能 OOM
• 读取时指定工作表名比索引更安全：$spreadsheet->getSheetByName('汇总')->toArray()，防止 Excel 新增隐藏表打乱顺序

导出为 Excel 时中文乱码？根源在字符集和 MIME 类型

很多人把数组用 fputcsv() 写成 .csv，然后改后缀叫 Excel——这在 Excel 打开时大概率中文变问号。根本原因是 CSV 本身无编码声明，Excel 默认用系统 ANSI（如 GBK），而 PHP 输出是 UTF-8。

• 方案一（推荐）：用 PhpSpreadsheet 写入，它自动处理 UTF-8 字符，输出的 .xlsx 在所有平台正常显示
• 方案二（轻量）：写 CSV 时加 BOM 头：echo "\xEF\xBB\xBF";，再输出 UTF-8 内容，Excel 识别为 UTF-8
• HTTP 响应头必须明确：header('Content-Type: application/vnd.openxmlformats-officedocument.spreadsheetml.sheet');（xlsx）或 text/csv; charset=UTF-8（csv），缺一不可

以上就是《爬虫抓取表格技巧及PHP处理Excel方法》的详细内容，更多关于的资料请关注golang学习网公众号！