--- title: "Web-Scraping: Python oder PHP?" slug: python-vs-php date: 2026-02-17T09:06:59+00:00 modified: 2026-02-17T09:07:00+00:00 permalink: https://brightdata.de/blog/web-data-de/python-vs-php type: blog --- [ Blog ](https://brightdata.de/blog "Blog") / [Web Data](https://brightdata.de/blog/web-data-de) [Web Data](https://brightdata.de/blog/web-data-de) # Web-Scraping: Python oder PHP? Finden Sie heraus, welche Sprache ein effizienteres und wartungsfreundlicheres Web-Scraping-Erlebnis bietet. 4 min lesen [ ![Jacob Nulty](https://media.brightdata.de/2024/12/Jacob-Nulty-50x50.jpg) ](https://brightdata.com/blog/authors/jake-nulty) [Jake Nulty Technical Writer ](https://brightdata.com/blog/authors/jake-nulty) ![PHP vs Python blog image](https://media.brightdata.de/2024/12/PHP-vs-Python-blog-cover.svg) Python ist weltweit die mit Abstand dominierende Sprache für Web-Scraping. Das war nicht immer so. In den späten 1990er und frühen 2000er Jahren wurde Web-Scraping fast ausschließlich in [Perl](/blog/web-data/web-scraping-with-perl) und [PHP](/blog/how-tos/web-scraping-php) durchgeführt. Heute werden wir Python mit einem der Titanen der Webentwicklung aus der Vergangenheit, PHP, vergleichen. Wir werden einige Unterschiede zwischen den beiden Sprachen durchgehen und sehen, welche die bessere Erfahrung beim Web-Scraping bietet. ## [](#Prerequisites)Voraussetzungen Wenn Sie mitmachen möchten, müssen Sie Python und PHP installiert haben. Klicken Sie auf die jeweiligen Download-Links und folgen Sie den Anweisungen für Ihr Betriebssystem. - Python - PHP Sie können die Installation beider Sprachen mit den folgenden Befehlen überprüfen. **Python** ```none python --version ``` Sie sollten eine Ausgabe wie diese sehen. ```none Python 3.10.12 ``` **PHP** ```none php --version ``` Hier ist die Ausgabe. ```none PHP 8.3.14 (cli) (built: Nov 25 2024 18:07:16) (NTS) Copyright (c) The PHP Group Zend Engine v4.3.14, Copyright (c) Zend Technologies with Zend OPcache v8.3.14, Copyright (c), by Zend Technologies ``` **Grundlegende Kenntnisse beider Sprachen wären hilfreich, sind aber keine Voraussetzung. Tatsächlich habe ich bis jetzt noch nie PHP geschrieben!** ## Vergleich zwischen Python und PHP für Web-Scraping Bevor wir unser Projekt erstellen, müssen wir uns jede dieser Sprachen etwas genauer ansehen. - **Syntax**: Python hat eine besser lesbare Syntax und ist weit verbreitet, insbesondere in der Daten-Community. - **Standardbibliothek**: Beide Sprachen bieten umfangreiche Standardbibliotheken. - **Scraping-Frameworks**: Python hat eine viel größere Auswahl an Scraping-Frameworks. - **Leistung**: PHP bietet in der Regel höhere Geschwindigkeiten, da es für die Ausführung im Web entwickelt wurde. - **Wartung**: Python ist aufgrund seiner klaren Syntax und der starken Unterstützung durch die Community in der Regel einfacher zu warten. **Funktion****Python****PHP**BenutzerfreundlichkeitAnfängerfreundlich und leicht zu erlernenFür neue Entwickler schwierigerStandardbibliothekUmfangreich und voller FunktionenUmfangreich und voller FunktionenScraping-ToolsViele Scraping-Tools von DrittanbieternViel kleineres ÖkosystemDatenunterstützungAuf Datenverarbeitung ausgelegtGrundlegende Bibliotheken und Tools verfügbarCommunityGroße Communities und SupportKleinere Communities mit eingeschränktem SupportWartungEinfach zu warten, weit verbreitetSchwierig, Programmierer sind schwer zu finden## [](#What-to-Scrape)Was soll gescrapt werden? Da es sich nur um eine Demonstration handelt und wir eine Website wollen, die für Benchmarking konsistent bleibt, verwenden wir [quotes.toscrape.com](https://quotes.toscrape.com). Diese Website bietet uns konsistente Inhalte und blockiert keine Scraper. Sie ist perfekt für Testfälle geeignet. In der Abbildung unten sehen Sie eines der *Zitat* -Elemente auf der Seite. Es handelt sich um ein `div-Element` mit der Klasse `„quote`”. Zunächst müssen wir alle diese Elemente finden. ![inspecting the quote on quotes to scrape](https://media.brightdata.de/2024/12/image-84.png)Sobald wir alle Zitat-Karten auf der Seite gefunden haben, müssen wir einzelne Elemente aus jeder Karte extrahieren. Der Text ist in einem `span` -Element mit der Klasse `„text`” eingebettet. ![inspecting the text span of the quote](https://media.brightdata.de/2024/12/image-85.png)Jetzt müssen wir den Autor ermitteln. Dieser befindet sich in einem `kleinen` Element mit der Klasse `„author`”. ![Inspecting the author on quotes to scrape](https://media.brightdata.de/2024/12/image-86.png)Zuletzt extrahieren wir die Tags. Diese befinden sich in `einem` Element mit der Klasse `„tag` ”. ![The tags inside the tag class](https://media.brightdata.de/2024/12/image-87.png)**Da wir nun wissen, welche Daten wir benötigen, können wir loslegen.** ## [](#Getting-Started)Erste Schritte Jetzt ist es an der Zeit, alles einzurichten. Wir benötigen einige Abhängigkeiten sowohl für Python als auch für PHP. **Python** Für Python müssen wir [Requests und BeautifulSoup](/blog/how-tos/beautiful-soup-web-scraping) installieren. Beide können wir mit `pip` installieren. ```none pip install requests ``` ```none pip install beautifulsoup4 ``` **PHP** Anscheinend sollten alle diese Abhängigkeiten bereits mit PHP vorinstalliert sein. Als ich sie jedoch verwenden wollte, waren sie nicht vorhanden. ```none sudo apt install php-curl ``` ```none sudo apt install php-xml ``` **Nachdem wir unsere Abhängigkeiten installiert haben, können wir mit dem Codieren beginnen.** ### [](#Scraping-the-Data)Scraping der Daten Ich begann damit, den folgenden Scraper in Python zu schreiben. Der folgende Code sendet eine Reihe von Anfragen an [quotes.toscrape.com](http://quotes.toscrape.com). Er extrahiert den Text, den Namen und den Autor aus jedem Zitat. Sobald alle Zitate abgerufen wurden, schreiben wir sie in eine JSON-Datei. Sie können den Code gerne kopieren und in Ihre eigene Python-Datei einfügen. **Python** ```none import requests from bs4 import BeautifulSoup import json page_number = 1 output_json = [] while page_number <= 5: response = requests.get(f"https://quotes.toscrape.com/page/{page_number}") soup = BeautifulSoup(response.text, "html.parser") divs = soup.select("div[class='quote']") for div in divs: tags = [] quote_text = div.select_one("span[class='text']").text author = div.select_one("small[class='author']").text tag_holders = div.select("a[class='tag']") for tag_holder in tag_holders: tags.append(tag_holder.text) quote_dict = { "author": author, "quote": quote_text.strip(), "tags": tags } output_json.append(quote_dict) page_number+=1 with open("quotes.json", "w") as file: json.dump(output_json, file, indent=4) print("Scraping complete. Quotes saved to quotes.json.") ``` - Zunächst legen wir Variablen für `page_number` und `output_json` fest. - `Während page_number <= 5` den Scraper anweist, seine Arbeit fortzusetzen, bis wir 5 Seiten gescrapt haben. - `response = requests.get(f"https://quotes.toscrape.com/page/{page_number}")` sendet eine Anfrage an die Seite, auf der wir uns befinden. - Wir finden alle unsere Ziel `-Div-` Elemente mit `divs = soup.select("div[class='quote']")`. - Wir durchlaufen die `divs` und extrahieren ihre Daten: - `quote_text`: `div.select_one("span[class='text']").text` - `author`: `div.select_one("small[class='author']").text` - `tags`: Wir finden alle `tag_holder-Elemente` und extrahieren dann ihren Text einzeln. - Sobald wir damit fertig sind, speichern wir das `output_json-` Array in einer Datei und `geben` eine Meldung an das Terminal `aus (print())`. Hier sind Screenshots von einigen unserer Durchläufe. Wir haben mehr Durchläufe durchgeführt, aber der Kürze halber verwenden wir hier eine Stichprobengröße von 3 Durchläufen. Durchlauf 1 dauerte 11,642 Sekunden. ![Python run #1 - took 11.642 seconds](https://media.brightdata.de/2024/12/image-88.png)Durchlauf 2 dauerte 11,413 Sekunden. ![Python run #2 - took 11.413 seconds](https://media.brightdata.de/2024/12/image-89.png)Durchlauf 3 dauerte 10,258 Sekunden. ![Python run #3 - took 10.258 seconds](https://media.brightdata.de/2024/12/image-90.png)Unsere durchschnittliche Laufzeit mit Python beträgt 11,104 Sekunden. **PHP** Nachdem ich den Python-Code geschrieben hatte, bat ich ChatGPT, ihn für mich in PHP umzuschreiben. Zunächst funktionierte der Code nicht, aber nach einigen kleinen Änderungen war er einsatzfähig. ```none loadHTML($response); $xpath = new DOMXPath($dom); $quoteDivs = $xpath->query("//div[@class='quote']"); foreach ($quoteDivs as $div) { $quoteText = $xpath->query(".//span[@class='text']", $div)->item(0)->textContent ?? ""; $author = $xpath->query(".//small[@class='author']", $div)->item(0)->textContent ?? ""; $tagElements = $xpath->query(".//a[@class='tag']", $div); $tags = []; foreach ($tagElements as $tagElement) { $tags[] = $tagElement->textContent; } $outputJson[] = [ "author" => trim($author), "quote" => trim($quoteText), "tags" => $tags ]; } $pageNumber++; } $jsonData = json_encode($outputJson, JSON_PRETTY_PRINT | JSON_UNESCAPED_UNICODE); file_put_contents("quotes.json", $jsonData); echo "Scraping abgeschlossen. Zitate in quotes.json.n gespeichert"; ``` - Ähnlich wie beim Python-Code beginnen wir mit den Variablen `pageNumber` und `outputJson`. - Wir verwenden eine `while` -Schleife, um die Laufzeit des eigentlichen Scrapings festzuhalten: `while ($pageNumber <= 5)`. - `$ch = curl_init($url);` richtet unsere HTTP-Anfrage ein. Wir verwenden `curl_setopt()`, um Weiterleitungen zu verfolgen. - `$response = curl_exec($ch);` führt die HTTP-Anfrage aus. - `$dom = new DOMDocument();` richtet ein neues `DOM-` Objekt ein, das wir verwenden können. Dies ähnelt der früheren Verwendung von `BeautifulSoup()`. - Wir erhalten unsere `Divs`, indem wir ihren Xpath anstelle ihres CSS-Selektors verwenden: `$quoteDivs = $xpath->query("//div[@class='quote']");` - `$quoteText = $xpath->query(".//span[@class='text']", $div)->item(0)->textContent ?? "";` liefert den Text aus jedem Zitat. - `$author = $xpath->query(".//small[@class='author']", $div)->item(0)->textContent ?? "";` gibt uns den Autor. - Wir erhalten unsere `Tags`, indem wir erneut alle Tag-Elemente suchen und sie mit einer Schleife durchlaufen, um ihren Text zu extrahieren. - Schließlich speichern wir unsere Ausgabe in einer JSON-Datei und geben eine Meldung auf dem Bildschirm aus. Hier sind unsere Ausführungsergebnisse mit PHP. Lauf 1 dauerte 11,351 Sekunden. ![PHP run #1 - took 11.351 seconds](https://media.brightdata.de/2024/12/image-91.png)Lauf 2 dauerte 9,846 Sekunden. ![PHP run #2 - took 9.846 seconds](https://media.brightdata.de/2024/12/image-92.png)Durchlauf 3 dauerte 9,795 Sekunden. ![PHP run #3 - took 9.795 seconds](https://media.brightdata.de/2024/12/image-93.png)Unser PHP-Durchschnitt lag bei 10,33 Sekunden. **Bei weiteren Tests lieferte PHP weiterhin schnellere Ergebnisse … manchmal sogar nur 7 Sekunden!** ## Erwägen Sie die Verwendung von Bright Data Wenn Ihnen die obigen Abschnitte gefallen haben, schreiben Sie Web-Scraper! Wenn Sie Ihren Lebensunterhalt mit dem Extrahieren von Daten verdienen, sind Dinge wie die oben genannten genau die Art von Code, die Sie ständig schreiben werden! Wir bieten eine Vielzahl von Produkten, mit denen Sie Ihre Scraper robuster machen können.[Der Scraping-Browser](/products/scraping-browser)bietet Ihnen einen Remote-Browser mit integrierter Proxy-Integration und JavaScript-Rendering. Wenn Sie nur Proxys und [CAPTCHA-Lösungen](/products/web-unlocker/captcha-solver) ohne Browser wünschen, verwenden Sie[Web Unlocker](/products/web-unlocker). **Scraper sind nicht für jeden geeignet.** Wenn Sie nur Ihre Daten abrufen und mit Ihrem Tag weitermachen möchten, schauen Sie sich unsere Datensätze an.*Wir übernehmen das Scraping, damit Sie es nicht tun müssen.*Schauen Sie sich unsere[gebrauchsfertigen Datensätze](/products/datasets) an. Unsere beliebtesten Datensätze sind LinkedIn, Amazon, Crunchbase, Zillow und Glassdoor. Sie können sich kostenlos Beispieldaten ansehen und Berichte im CSV- oder JSON-Format herunterladen. ## [](#Conclusion)Fazit Mit einer durchschnittlichen Geschwindigkeit von 11,104 Sekunden in Python und 10,33 Sekunden in PHP war unser PHP-Scraper durchweg schneller als der Python-Scraper. Ein Teil davon könnte auf die Latenz des Servers zurückzuführen sein, aber in weiteren Tests schlug PHP Python weiterhin bei fast jedem einzelnen Durchlauf. Während es Python in puncto Geschwindigkeit definitiv übertrifft, gilt dies nicht unbedingt für die Syntax. Nicht viele Entwickler fühlen sich heute mit der Syntax von Sprachen wie PHP oder Perl wohl. Es handelt sich dabei um Skriptsprachen von gestern. Hinzu kommt, dass Ihr Team möglicherweise nicht mit PHP vertraut ist. Es erfordert einen besonderen Programmierer, um diese Art von Code ständig zu schreiben und Legacy-Anwendungen am Laufen zu halten. Bringen Sie Ihre Scrape-Ops mit Bright Data auf die nächste Stufe. Melden Sie sich jetzt an und testen Sie gratis! Vertrieb kontaktierenGratis testen![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Inhaltsverzeichnis Dedicated Scraper APIs & No-Code Scrapers Over 1000 scrapers for all popular domains. Simplify your web scraping. [See pricing](/pricing/web-scraper "See pricing") Just want data? Skip scraping. Hundreds of ready-to-use datasets from all popular domains. [See pricing](/pricing/datasets "See pricing") [ ](https://news.ycombinator.com/submitlink?t=Web-Scraping%3A+Python+oder+PHP%3F&u=https://brightdata.de/blog/web-data-de/python-vs-php) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Web-Scraping%3A+Python+oder+PHP%3F&url=https://brightdata.de/blog/web-data-de/python-vs-php) [ ](http://www.reddit.com/submit?title=Web-Scraping%3A+Python+oder+PHP%3F&url=https://brightdata.de/blog/web-data-de/python-vs-php) ## Das könnte Sie auch interessieren [ ![OpenHuman with Bright Data](https://media.brightdata.de/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.de/blog/ai/openhuman-with-bright-data "Produktionsreifer Web-Zugriff in OpenHuman über die Bright Data CLI") [AI ![Antonello Zanini](https://media.brightdata.de/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Produktionsreifer Web-Zugriff in OpenHuman über die Bright Data CLI Integrieren Sie die Bright Data CLI mit OpenHuman, um produktionsreifen Web-Zugriff und Datenerhebung für KI-Agenten zu ermöglichen. 09-Sep-2026 12 min lesen ](https://brightdata.de/blog/ai/openhuman-with-bright-data) [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.de/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.de/blog/web-data-de/multimodal-web-scraping-with-minimax "Multimodales Web-Scraping mit MiniMax") [Web Data ![Antonello Zanini](https://media.brightdata.de/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Multimodales Web-Scraping mit MiniMax Kombinieren Sie Bright Data Web Unlocker mit MiniMax M3 Vision, um strukturierte Daten aus Bildern und Webseiten-Screenshots zu extrahieren. 09-Sep-2026 4 min lesen ](https://brightdata.de/blog/web-data-de/multimodal-web-scraping-with-minimax) [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.de/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.de/blog/ai/best-cli-tools-for-codex "Die 10 besten CLI-Tools für Codex im Jahr 2026 – Getestet & Bewertet") [AI ![Daniel Shashko](https://media.brightdata.de/2022/04/Daniel-Shashko-2-50x50.png) Daniel Shashko Web Data & AI Expert ### Die 10 besten CLI-Tools für Codex im Jahr 2026 – Getestet & Bewertet Die 10 CLI-Tools, die Codex schneller und leistungsfähiger machen, beginnend mit dem Bright Data CLI für echten Web-Zugriff aus der Sandbox heraus. 06-Sep-2026 20 min lesen ](https://brightdata.de/blog/ai/best-cli-tools-for-codex)