PHPでスクレイピングする基本とライブラリの使い方

Web上には、株価、天気予報、商品価格、ニュース記事など、無数の有益な情報が溢れています。
これらの情報を手動でコピー＆ペーストして収集するのは、非常に時間がかかり、現実的ではありません。

この課題を解決する技術が「Webスクレイピング」です。

Webスクレイピングとは、プログラムが自動的にWebサイトを巡回し、その中から必要な情報だけを抽出して収集する技術のことです。
PHPを使えば、このスクレイピングを効率的に行うことが可能です。

この記事では、PHPでスクレイピングを始めるための基本的な知識から、便利なライブラリを使った実践的なデータ抽出方法、そして何よりも重要な法律やマナーに関する注意点まで、初心者にもわかりやすく徹底的に解説していきます。

忖度一切なし！
受講生から評判の良いプログラミングスクール

スクール	特徴	受講料金
RUNTEQ （ランテック）	大手比較サイトで4年連続人気NO.1！受講生からの評判も非常に高く、Web系のエンジニアを目指すならRUNTEQ一択。	550,000円（給付金適用あり）
RaiseTech （レイズテック）	月単価80万円以上の現役エンジニア講師による指導！一度入会すればサポートは半永久的。	498,000円
デイトラ	格安で質の高いWeb制作スキルを習得したい人におすすめ！業界最安級の料金でありながら、コミュニティやサポートが充実。	129,800円～
0円スクール （ゼロスク）	完全無料でプログラミングが学べる貴重なスクール！最短1ヶ月で卒業可能。ゼロスク運営会社への就職もできる。	無料
RareTECH （レアテック）	長期間に渡って学習し、希少人材を目指す人に最適なスクール！受講料は高いものの、高収入を得られる人材を目指せる。	96～132万円

【最重要】スクレイピングを行う上での注意点とマナー

技術的な解説に入る前に、必ず理解しておかなければならない非常に重要な点があります。

それは、スクレイピングは相手のWebサーバーにアクセスして情報を取得する行為であるため、法律やサイトの利用規約、そして技術的なマナーを遵守する必要があるということです。

無計画なスクレイピングは、相手のサーバーに過剰な負荷をかけて業務を妨害してしまう可能性があり、最悪の場合、法的な問題に発展することもあります。

以下の点を必ず守ってください。

これらのルールを守ることが、技術者としての最低限のマナーであり、自分自身を守ることにも繋がります。

PHPでスクレイピングをする際のおすすめライブラリ

PHPでスクレイピングを実装する場合、ゼロからすべてを自作するのは非常に大変です。

幸い、PHPにはスクレイピングを簡単かつ強力にサポートしてくれる便利なライブラリが数多く存在します。

中でも、現代のPHP開発で最も推奨されるライブラリの一つが「Goutte（グート）」です。

Goutteは、Webスクレイピングに必要な機能をまとめた高機能なライブラリです。
内部では、HTTPリクエストを送信する「Guzzle」、HTMLやXMLを解析する「Symfony DomCrawler」、Webサイトを擬似的に操作する「Symfony BrowserKit」といった、実績のある強力なコンポーネントが使われています。

これにより、開発者は複雑な処理を意識することなく、まるでjQueryのように直感的なCSSセレクタを使って、目的のデータを簡単に抽出することが可能になります。

この記事でも、このGoutteを主軸として解説を進めていきます。

【実践】Goutteを使ったスクレイピングの基本ステップ

それでは、実際にGoutteを使ってスクレイピングを行う手順を、ステップ・バイ・ステップで見ていきましょう。

ステップ1：GoutteをComposerでインストールする

まず、プロジェクトでGoutteを使えるようにするために、PHPのパッケージ管理ツールである「Composer」を使ってインストールします。

ターミナル（コマンドプロンプト）で、プロジェクトのディレクトリに移動し、以下のコマンドを実行してください。

composer require fabpot/goutte

このコマンドを実行すると、Goutteライブラリと、Goutteが依存する他のライブラリが自動的にvendorディレクトリにインストールされます。

ステップ2：対象ページのHTMLを取得する

ライブラリの準備ができたら、いよいよPHPのコードを書いていきます。

最初のステップは、スクレイピング対象のWebページにアクセスし、そのページのHTMLコンテンツ全体を取得することです。

Goutteでは、Clientクラスのインスタンスを作成し、そのrequest()メソッドを使うことで、非常に簡単にHTMLを取得できます。

<?php
// Composerのオートローダーを読み込む
require 'vendor/autoload.php';

use Goutte\Client;

// Clientのインスタンスを作成
$client = new Client();

// 取得したいページのURL
$url = 'https://example.com/';

// requestメソッドでページにアクセスし、Crawlerオブジェクトを取得
$crawler = $client->request('GET', $url);

// 取得したページのタイトルを表示してみる
echo $crawler->filter('title')->text();
?>

$client->request()は、指定したURLにアクセスし、その結果をCrawlerオブジェクトとして返します。

この$crawlerオブジェクトが、HTMLの中から目的のデータを探し出すための、様々な便利機能を持っています。

ステップ3：CSSセレクタで目的のデータを抽出する

HTMLの取得に成功したら、次はその中から自分が欲しい情報が記述されている箇所を特定し、抜き出す作業に入ります。
この「場所を特定する」ために使われるのがCSSセレクタです。

CSSセレクタは、本来CSSでスタイルを適用する要素を指定するための記法ですが、スクレイピングでは「データを抽出したい要素を指定する」ために流用します。

Goutteのfilter()メソッドにこのCSSセレクタを渡すことで、該当する要素を絞り込むことができます。

要素を絞り込んだ後、その中身を取得するには、主に以下のメソッドを使います。

サンプルコードは以下の通りです。

// <h1 class="page-title">サンプルページ</h1> という要素を想定
$page_title = $crawler->filter('h1.page-title')->text();
echo $page_title; // "サンプルページ" と表示される

// <a href="/about.html">会社概要</a> という要素を想定
$about_link = $crawler->filter('a')->attr('href');
echo $about_link; // "/about.html" と表示される

ステップ4：ループ処理で複数の要素から情報を取得する

ニュースサイトの見出し一覧のように、同じ構造の要素がページ内に複数存在し、それらをすべて取得したい場合は、each()メソッドを使います。

each()メソッドは、filter()で絞り込んだすべての要素に対して、一つずつ同じ処理を繰り返すためのものです。

// <div class="news-item"><h2><a href="...">タイトル</a></h2></div> が複数あるページを想定
$crawler->filter('.news-item')->each(function ($node) {
    // 各ニュースアイテムの中から、さらにh2タグのaタグを絞り込む
    $title = $node->filter('h2 a')->text();
    $link = $node->filter('h2 a')->attr('href');
    
    echo "タイトル: " . $title . "\n";
    echo "リンク: " . $link . "\n\n";
});

each()に渡す無名関数（クロージャ）の引数$nodeには、絞り込まれた各要素が一つずつ入ってきます。

その$nodeに対してさらにfilter()などを使うことで、構造化されたデータを効率的に抽出できます。

完成版：Goutteでニュースサイトの見出しを一覧取得する全コード

これまでのステップをすべて組み合わせ、架空のニュースサイトから記事のタイトルとリンクを一覧で取得する、実践的なスクリプトを作成してみましょう。

scrape_news.php

<?php
// Composerのオートローダーを読み込む
require 'vendor/autoload.php';

use Goutte\Client;

// --- スクレイピングの基本設定 ---
$client = new Client();
// 取得対象のURL
$target_url = 'https://news.example.com/'; // 架空のURL

try {
    // --- ページの取得 ---
    $crawler = $client->request('GET', $target_url);
    
    echo "「${target_url}」からニュース一覧を取得します。\n";
    echo "----------------------------------------\n";
    
    // --- データの抽出 ---
    // class="article"を持つ要素をすべて取得し、ループ処理
    $crawler->filter('.article')->each(function ($node) {
        // .article の中から、さらに要素を絞り込む
        // タイトルは h2 > a タグの中のテキスト
        $title = $node->filter('h2 > a')->text();
        
        // リンクは h2 > a タグの href 属性
        $link = $node->filter('h2 > a')->attr('href');
        
        // カテゴリは .category タグの中のテキスト
        $category = $node->filter('.category')->text();
        
        // --- 取得したデータの表示 ---
        echo "カテゴリ: " . trim($category) . "\n";
        echo "タイトル: " . trim($title) . "\n";
        echo "リンク: " . $link . "\n";
        echo "----------------------------------------\n";
    });

} catch (Exception $e) {
    // エラーハンドリング
    echo "エラーが発生しました: " . $e->getMessage() . "\n";
}
?>

このスクリプトを実行すると、ターミナルに対象サイトのニュース情報が整形されて出力されます。

あとは、この取得したデータをデータベースに保存したり、CSVファイルに出力したりと、目的に応じて自由に加工することが可能です。

その他のスクレイピングライブラリ

Goutteは非常に高機能で便利ですが、よりシンプルなライブラリを好む場合や、特定の要件がある場合には、他の選択肢も存在します。

まとめ

この記事では、PHPを使ってWebスクレイピングを行うための基本的な知識と、モダンなライブラリ「Goutte」を使った実践的な手順を解説しました。

なお、PHPを体系的に学んだり、PHPのスキルを高めたりするためには、プログラミングスクールを利用するのも有効です。

細かな疑問がすぐに解決するだけでなく、現役エンジニアが「質の高いポートフォリオ」を作成するための手助けをしてくれたり、エンジニア就職・転職のコツを教えてくれたりするなど、様々なメリットがありますので、独学に疲れた方は検討してみてはいかがでしょうか。

PHPを学べるプログラミングスクールおすすめ10選【2025年最新版】

Webサービス開発の現場で長年愛用され、今なお多くのシステムで採用されているプログラミング言語「PHP」。 初心者でも比較的学びやすく、豊富な求人数や案件数から将来性も期待できるため、プログラミング学習の第一歩としてPHPを選ぶ方が非常に多...

progneer.net

Follow me!