风吹起如花般破碎的流年，而你的笑容摇晃摇晃，成为我命途中最美的点缀!
Php爱好者新版上线啦！
-6 24

php获取网页标题和内容函数（不包含html标签）

Category:学习积累 View: Author:燕子

 

php获取网站标题和内容函数（不包含html标签）

PHP代码
  1. function getPageContent($url) {   
  2.            
  3.         //$url='http://www.phplover.cn';   
  4.            
  5.         $pageinfo = array();   
  6.         $pageinfo[content_type] = '';   
  7.         $pageinfo[charset] = '';   
  8.         $pageinfo[title] = '';   
  9.         $pageinfo[description] = '';   
  10.         $pageinfo[keywords] = '';   
  11.         $pageinfo[body] = '';   
  12.         $pageinfo['httpcode'] = 200;   
  13.         $pageinfo['all'] = '';   
  14.            
  15.   
  16.            
  17.            
  18.         $ch = curl_init();   
  19.         curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)");   
  20.         curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);   
  21.         curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, 0);   
  22.         curl_setopt($ch, CURLOPT_SSL_VERIFYPEER,0);   
  23.         curl_setopt($ch, CURLOPT_TIMEOUT, 8);   
  24.         curl_setopt($ch, CURLOPT_FILETIME, 1);   
  25.         curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);   
  26.         //curl_setopt($ch, CURLOPT_HEADER, 1);         
  27.         curl_setopt($ch, CURLOPT_URL,$url);   
  28.            
  29.         $curl_start = microtime(true);   
  30.         $store = curl_exec ($ch);   
  31.            
  32.         $curl_time = microtime(true) - $curl_start;   
  33.         if( curl_error($ch) ) {   
  34.             $pageinfo['httpcode'] = 505;  //gate way error   
  35.             echo 'Curl error: ' . curl_error($ch) ."\n";   
  36.             return $pageinfo;   
  37.         }   
  38.            
  39.         //print_r(curl_getinfo($ch));   
  40.         $pageinfo['httpcode'] = curl_getinfo($ch,CURLINFO_HTTP_CODE);   
  41.         //echo curl_getinfo($ch,CURLINFO_CONTENT_TYPE)."\n";   
  42.         $pageinfo[content_type] = curl_getinfo($ch,CURLINFO_CONTENT_TYPE);   
  43.         if(intval($pageinfo['httpcode']) <> 200 or !preg_match('@text/html@',curl_getinfo($ch,CURLINFO_CONTENT_TYPE) )   ) {   
  44.                 //print_r(curl_getinfo($ch) );   
  45.                 //exit;   
  46.                 return $pageinfo;   
  47.         }   
  48.         preg_match('/charset=([^\s\n\r]+)/i',curl_getinfo($ch,CURLINFO_CONTENT_TYPE),$matches); //从header 里取charset   
  49.         if( trim($matches[1]) ) {   
  50.             $pageinfo[charset] = trim($matches[1]);   
  51.         }   
  52.         //echo $pageinfo[charset];   
  53.         //exit;   
  54.         curl_close ($ch);   
  55.         //echo $store;   
  56.   
  57.   
  58.         //remove javascript   
  59.         $store = preg_replace("/<script.*>(.*)<\/script>/smUi",'',$store);   
  60.         //remove link    
  61.         $store = preg_replace("/<link\s+[^>]+>/smUi",'',$store);   
  62.         //remove <!--  -->   
  63.         $store = preg_replace("/<!--.*-->/smUi",'',$store);   
  64.         //remove <style  </<style>   
  65.         $store = preg_replace("/<style.*>(.*)<\/style>/smUi",'',$store);   
  66.         //remove 中文空格   
  67.         $store = preg_replace("/　/",'',$store);   
  68.         //remove 标点符号   
  69.         //$store = preg_replace("/[\~`!@#$%^&*()_\-+={}|\[\]\\;':"\<\>\?\,\.\/]/",'',$store);   
  70.   
  71.            
  72.         //preg_match("/<head.*>(.*)<\/head>/smUi",$store, $matches);   
  73.         //$head = $matches[1];   
  74.         //echo $head. "\n";   
  75.   
  76.         //charset   
  77.         if($pageinfo[charset] == '' ) {  
  78.             preg_match('@<meta.+charset=([\w\-]+)[^>]*>@i',$store,$matches);  
  79.             $pageinfo[charset] = trim($matches[1]);  
  80.         }  
  81.         //desctiption  
  82.         preg_match('@<meta\s+name=\"*description\"*\s+content\s*=\s*([^/>]+)/*>@i',$store,$matches);  
  83.         //print_r($matches);  
  84.         $desc = trim($matches[1]);  
  85.         $pageinfo[description] = str_replace("\"", '',$desc);  
  86.           
  87.  
  88.         preg_match('@<meta\s+name=\"*keywords\"*\s+content\s*=\s*([^/>]+)/*>@i',$store,$matches);  
  89.         //print_r($matches);  
  90.         $keywords = trim($matches[1]);  
  91.         $pageinfo[keywords] = str_replace("\"", '',$keywords);  
  92.  
  93.           
  94.         preg_match("/<title>(.*)<\/title>/smUi",$store, $matches);  
  95.         $pageinfo[title] = trim($matches[1]);  
  96.           
  97.         preg_match("/<body.*>(.*)<\/body>/smUi",$store, $matches);  
  98.         $pageinfo[body] = addslashes( replaceHtmlAndJs($matches[1]) ) ;  
  99.         $pageinfo['all'] = addslashes( replaceHtmlAndJs($store) ) ;  
  100.           
  101.         //echo "charset = " . $pageinfo[charset] . "\n";  
  102.           
  103.         //print_r($pageinfo);  
  104.         //exit;  
  105.           
  106.           
  107.         return $pageinfo;  
  108.  
  109. }  
  110.  
  111. /**  
  112.  * 去掉所有的HTML标记和JavaScript标记  
  113.  */  
  114. function replaceHtmlAndJs($document)   
  115. {   
  116.          $document = trim($document);   
  117.          if (strlen($document) <= 0)   
  118.          {   
  119.           return $document;   
  120.          }   
  121.          $search = array (         
  122.                                             "'<script[^>]*?>.*?</script>'si",  // 去掉 javascript   
  123.                           "'<[\/\!]*?[^<>]*?>'si",          // 去掉 HTML 标记   
  124.                           "'[\r\n\s+]'",                // 去掉空白字符   
  125.                           "'&(\w+);'i"              // 替换 HTML 实体   
  126.                          );                    // 作为 PHP 代码运行   
  127.            
  128.          $replace = array ( "", "", "", ""  );   
  129.            
  130.          return @preg_replace ($search, $replace, $document);   
  131.   
  132. }  
PHP代码
  1. $a = getPageContent("http://www.phplover.cn");   
  2. print_r($a);  

 


本文来源于php爱好者：php教程 —http://www.phplover.cn/
原文地址：http://www.phplover.cn/post/phphuoquwangyebiaotiheneirongdehanshu.html

PHP 函数  PHP   评论(1)

相关文章:

  • 评论(1)
发表评论 TrackBack

发表评论

◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。