php - HTML ページからテキストのブロックを抽出する方法は?

Question

PHP を使用して、大きな HTML ページから 100 語を超えるテキストのブロックを抽出したいと考えています。テキストが含まれているかどうかは問題で<p>...</p>はありません。一貫したテキスト ブロックを構成する単語の数だけを気にするので、HTML パラグラフの外側のテキストも考慮する必要があります。

これはどのように行うことができますか？

Answer 1

私はphpQueryを使用しています。jQueryに精通していますか？それらは同じ構文を共有します。あなたは新しいライブラリをインストールすることを心配しているかもしれませんが、このライブラリは余分なオーバーヘッドを払うだけの価値があると信じてください

phpクエリ

その後、次のようにアクセスできます。

foreach($doc->find('p') as $element){
   $element = pq($element);
   echo str_word_count($element->text());
}

Answer 2

PHP シンプル DOM パーサーを使用します。

foreach($html->find('p') as $element){
   echo str_word_count($element->src);
}