4

右、私はウェブクローラーを構築しました。リンク、タイトル、メタディスクリプションをスキャンします。リンクをスキャンして $link に保存します。リンクのタイトルをスキャンし、newArray の [title] に保存します。この配列で、メタ タグがない場合は、最初の p タグをスキャンして代わりに使用できることを知りたいと思います。唯一の問題は、情報をまったく保存していないように見えることです。

function getMetas($link) {
$str1 = file_get_contents($link);    

    if (strlen($str1)>0) {
 preg_match_all( '/<meta.*?name=("|\')description("|\').*?content=("|\')(.*?)("|\')/i', $str1, $description);
   if (count($description) > 1) {
    return $description[4];   
   }


   }
 return '';
   if ($description == '') {
$html = file_get_contents($link);    
preg_match('%(<p[^>]*>.*?</p>)%i', $html, $re);
$res = get_custom_excerpt($re[1]);
echo "\n";
echo $res;
echo "\n";

}

    function get_custom_excerpt($return, $option = 30, $sentance = false) {
    $marks = Array(".","!","?");

   $return = strip_tags($return);

  if($sentance == true) {
$start = implode(" ", array_slice(preg_split("/\s+/", $return), 0, $option ));
$start .= ' ';
$end = implode(" ", array_slice(preg_split("/\s+/", $return), $option));

$cut = Array();
foreach($marks AS $m => $mark){
  $mark = strpos($end, $mark);
  if($mark != false) $cut[$m] = $mark;
}

if($cut[0] != "")
  $chop = min($cut);
    else
      $chop = $option;
$rest = substr($end, 0, $chop);

$key = array_search($chop, $cut);

$return = $start.$rest;

   }else{
$return = implode(" ", array_slice(preg_split("/\s+/", $return), 0, $option));
   }
  $return .= $marks[$key];

  return $return; 
   }  

   }


 $output = Array();

 foreach ($links as $thisLink) {
 $output[] = array("link" => $thisLink, "title" => Titles($thisLink), "description" => getMetas($thisLink), getMetas($res));
 } 
  print_r($output);
4

1 に答える 1

2

正規表現が機能しない可能性があります。属性は、希望する順序ではない場合があります。<meta name="" content="">またはの可能性があります<meta content="" name="">。

なぜ XML パーサーを使用しないのですか? ほとんどの HTML は、解析に使用するのに十分有効です。

PHP Parse HTML コードをご覧ください。

于 2012-09-24T07:29:53.863 に答える