Ilya

День добрый.

Сайт-донор изрядно тормозит, периодически умирая с 502 ошибкой.
Но могу предложить такой вариант:
//li/a[@class="fancybox-thumbs2"]

А потом итерируете результаты и получаете через getAttribute('href').

Если очень хочется через xpath, то можете так:
//li/a[@class="fancybox-thumbs2"]/@href

Экспериментируйте.

Есть подозрение, что дело в криво прописанном meta на доноре

<meta http-equiv="Content-Type" content="text/html; charset='UTF-8'" />

Там лишние одинарные кавычки.
Попробуйте после file_get_contents заменить charset='UTF-8' на charset=UTF-8

Я не python-ист. так что скажу только за xpath.
Пробуйте

//div[@class="text"]/h1/following-sibling::text()[1]

и

//div[@class="text"]/h3/following-sibling::text()[1]

соответственно.

Можно пробовать без [1] в конце еще.
Это если "в лоб".

Так определите какой этап занимает больше времени - на этапе curl или на этапе phpQuery.
Кроме этого я бы заменил phpQuery на чистый xpath.
Плюс на всякий случай добавил бы
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
Но это не для скорости.

День добрый.

Я слышал (но сам не использовал) только про WP All Import (линк). А гугл говорит, что есть еще Quick Bulk Post & Pages Creator (линк).

Curl + xpath
Заходите curl'ом на страницу каждого товара и берете url нужных картинок.
xpath запросы зависят от верстки.

Tidy. И не нужно искать альтернатив.
Вот, к примеру, один из моих вариантов использования.

$options = 	array("indent" => false, 
				"output-xml" => true, 
				"clean" => true,
				"drop-proprietary-attributes" => true,
				"drop-font-tags" => true,
				"drop-empty-paras" => true,
				"hide-comments" => true,
				"join-classes" => true,
				"join-styles" => true,
				"show-body-only" => false); 
							
$tidy = new tidy();
$str = $tidy->parseString($page, $options, 'utf8'); // $page содержит невалидный html
$tidy->cleanRepair();
echo $tidy; // валидный html

Со списком опцийсоветую поиграться самостоятельно.

В grab, вроде можно, xpath скормить, так что вот пример:
//a[contains(text(), "текстссылки")]

Пробуйте.

День добрый.

Если Nokogiri умеет с xpath, то вот так получите все name
//tr[td[@class="parse this"]]/td[@class="name"]

По аналогии найдете count. Xpath рулит.

День добрый.

301 и 302 коды - редиректы. В том же curl'e есть директива CURLOPT_FOLLOWLOCATION, которая позволит следовать за редиректами, так сказать. Либо делайте запросы на те урлы, где точно будет отдаваться 200 код. Вместо youtube.com делайте запрос на https://www.youtube.com

День добрый.
Прокси в curl вы отдаете правильно.
На тему бесплатных прокси от hideme.ru - я сам недавно пытался через них парсить и после теста понял, что из всего списка, реально работали только 2 ip и то недолго. Так что если хотите использовать прокси, но желательно использовать проверенный список, а это как правило платно. И если быть до конца честным - даже платные не всегда работают на 100%, но в целом точно лучше бесплатных.

День добрый.

Как вариант:

$post['pic'] = 'sa';
$post['nume'] = 'value';
$post['sex'] = 'masculin';

$ch = curl_init('http://www.example.com/tm1');
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, TRUE);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($ch, CURLOPT_POST, TRUE);
curl_setopt($ch, CURLOPT_POSTFIELDS, $post);
$result = curl_exec($ch);
curl_close($ch);

Дальше смотрите $result на наличие картинки. Ну и не стесняйтесь адаптировать код под свои нужды.