フォームの入力について（Goutteでのスクレイピング）

Question

Goutteでのスクレイピングでとあるサイトのログインを実装しようとしているのですが、ID、パスワードを入力して送信の動作がうまくいきません。

通常、ログインを行うには以下のようなコードで動くと思います（Bitbuketのログインで試しました）

$crawler = $client->request('GET', 'https://sample.com/login/');
$loginForm = $crawler->filter('form#login-form')->form();
$loginForm['username'] = '**********@sample.com';
$loginForm['password'] = '*********'
$crawler = $client->submit($loginForm);

しかし現在試行錯誤しているサイトでは上記の方法ではうまくいきませんでした。
違いを調べてみると、

成功したサイト
<input type="submit" value="ログイン">
失敗したサイト
<button type="submit" name="_eventId_proceed" onclick="this.childNodes[0].nodeValue='ログインしています…'">ログイン</button>

といったようにログインボタンの形式が違いました。

これが原因かはわかりませんが、上記のコードで$client->submit()をしてもページ遷移されていないようです。

試しに、フォームには値を入れずにButton要素を直接クリック

$crawler = $client->click($button = $crawler->selectButton('ログイン')->form());

してみると「IDまたはパスワードが違います」と出すことはできました。
$client->getHistory()の内容を見てみると、確かにButtonを直接クリックしたときより$client->submit()をした時のほうがページ遷移が一回少なかったです。

そこでフォームに値を直接入力できればログインボタンを押すことはできるのでログインできるのではないでしょうか？
フォームに値を入れる方法ですが、調べても私の力ではわかりませんでした。
もしご存知の方がいらっしゃったら教えてください。
この方法でなくてもログインさえ出来ればいいのでどんな方法でも教えていただけたらうれしいです。

Answer 1

以下のようにformを取得する際にselectButtonを使えば、submitボタンのnameもpostデータとして渡されると思いますよ。

$crawler = $client->request('GET', 'https://sample.com/login/');
$loginForm = $crawler->selectButton('ログイン')->form();
$loginForm['username'] = '**********@sample.com';
$loginForm['password'] = '*********';
$crawler = $client->submit($loginForm);

ただし、Goutteはjavascriptの挙動はトレースできないので、javascriptでinputの追加などの処理があるなら、以下のように自前でinputを追加する必要があります。

use DomDocument;
use Symfony\Component\DomCrawler\Field\InputFormField;

$domdocument = new DOMDocument;
$input = $domdocument->createElement('input');
$input->setAttribute('name', 'hoge');
$input->setAttribute('value', 'hoge');
$input = new InputFormField($input);
$loginForm->set($input);

参考：Adding Additional Fields to Symfony Form before Submit

それでうまくいかないなら、formを使うのをやめて、ブラウザのデベロッパーツールとかでPOSTしているデータをすべて配列で用意して、$client->request('POST', $url, $post_data);でやった方が早いかもしれませんね。

---

おまけ
以下は、自分で作ったフォームにgoutteでクロールさせてみて、POSTデータがどうなっているか実験してみた結果です。

フォーム側

<?php
print_r($_POST);
?>
<form method='POST'>
<input name="username" type="text">
<input name="password" type="text">
<button type="submit" name="_eventId_proceed" onclick="this.childNodes[0].nodeValue='ログインしています…'">ログイン</button>
</form>

クロール側

<?php
require __DIR__ . "/vendor/autoload.php";

use Goutte\Client;

$client = new Client();
$crawler = $client->request('GET', 'http://example.com/hoge.php');
$loginForm = $crawler->selectButton('ログイン')->form();
$loginForm['username'] = '**********@sample.com';
$loginForm['password'] = '*********';
$crawler = $client->submit($loginForm);
echo $crawler->text();

結果（フォーム側のprint_r($_POST)の出力結果）

Array
(
    [_eventId_proceed] =>
    [username] => **********@sample.com
    [password] => *********
)

Comments

[knf]

$crawler->selectButton('ログイン')->form()
の方法でFormを取得したらなんとか次に進むことができました。
SAML認証とかいう認証方式だったらしく、その後もFormの送信を繰り返す処理を書いたりして、なんとか無事ログインさせることができました。
本当にありがとうございました。