Извлечь описание на сайте без метатега описания? - PullRequest
Новая
       5

Извлечь описание на сайте без метатега описания?

1 голос
/ 30 мая 2011

Мне нужна функция в php, которая извлекает описание URL-адреса сайта, у которого нет описания мета-тегов, есть идеи?

Я пробовал эту функцию, но не работает: 

$content = file_get_contents($url);

function getExcerpt($content) {
  $text = html_entity_decode($content);
  $excerpt = array();
  //match all tags
  preg_match_all("|<[^>]+>(.*)]+>|", $text, $p, PREG_PATTERN_ORDER);
  for ($x = 0; $x < sizeof($p[0]); $x++) {
    if (preg_match('< p >i', $p[0][$x])) {
      $strip = strip_tags($p[0][$x]);
      if (preg_match("/\./", $strip))
        $excerpt[] = $strip;
    }
    if (isset($excerpt[0])){
      preg_match("/([^.]+.)/", $strip,$matches);
      return $matches[1];
    }
  }
  return false;
}

$excerpt = getExcerpt($content);

Ответы [ 2 ]

2 голосов
/ 07 июня 2011

Разбор HTML с помощью RegEx - почти всегда плохая идея.К счастью, в PHP есть библиотеки, которые могут сделать всю работу за вас.Следующий код использует DOMDocument для извлечения либо мета-описания, либо, если оно не существует, первых 1000 символов на странице. 

<?php
function getExcerpt($html) {

    $dom = new DOMDocument();

    // Parse the inputted HTML into a DOM
    $dom->loadHTML($html);

    $metaTags = $dom->getElementsByTagName('meta');

    // Check for a meta description and return it if it exists
    foreach ($metaTags as $metaTag) {
        if ($metaTag->getAttribute('name') === "description") {
            return $metaTag->getAttribute('content');
        }
    }

    // No meta description, extract an excerpt from the body
    // Get the body node
    $body = $dom->getElementsByTagName('body');
    $body = $body->item(0);

    // extract the contents
    $bodyText = $body->textContent;

    // collapse any line breaks
    $bodyText = preg_replace('/\s*\n\s*/', "\n", $bodyText);
    // collapse any more leftover spaces or tabs to single spaces
    $bodyText = preg_replace('/[    ]+/', ' ', $bodyText);

    // return the first 1000 chars
    return trim(substr($bodyText, 0, 1000));

}

$html = file_get_contents('test.html');

echo nl2br(getExcerpt($html));

Возможно, вы захотите добавить немного больше логики, некоторыеОбход DOM, чтобы попытаться найти контент, или просто какой-то фрагмент кода в середине текста.Таким образом, этот код, вероятно, будет захватывать кучу ненужных вещей, таких как верхняя часть страницы навигации и т. Д.

1 голос
/ 07 июня 2011

Вы должны сначала проверить, доступно ли мета-описание, если да, тогда показать, что еще искать теги <p> и отобразить эти данные в качестве описания (вы можете установить ограничение на длину абзаца, например, если длина меньше 30, ищите следующий параграф). Если тега <p> нет, просто отобразите заголовок как описание (так работает Facebook и Digg)

...