Question

从维基百科获取好莱坞一词的第一段文章的正确方法是什么？因此，$result变量包含first paragraph of the page

好莱坞是位于美国加利福尼亚州洛杉矶的一个地区，位于洛杉矶市中心西北偏西。[2]由于其作为电影制片厂和电影明星历史中心的名声和文化身份，好莱坞这个词经常被用作美国电影的转喻。尽管大部分电影业已经分散到西洛杉矶，圣费尔南多和圣克拉丽塔山谷等周边地区，但编辑，效果，道具，后期制作和照明公司等重要的辅助行业仍然存在于好莱坞，派拉蒙影业的背景。

如果它包含HTML标签（甚至比纯文本更好）也没关系。

Answer 1

我不知道Kohana是什么，但要获取某个维基百科页面的HTML文本，您可以使用the API。

例如，要获取好莱坞文章第一部分的HTML，您可以使用如下查询：

http://en.wikipedia.org/w/api.php?format=xml&action=query&prop=revisions&titles=Hollywood&rvprop=content&rvsection=0&rvparse

这是XML格式，但JSON也是一种选择。

此外，这将返回整个第一部分（包括信息框），而不仅仅是第一段。

Answer 2

您可以使用Simple HTML DOM库轻松解析网页中的HTML：

include('inc/simple_html_dom.php'); // this line should be replaced with the Kohana way of including the library

// Create DOM from URL
$html = file_get_html('http://en.wikipedia.org/wiki/Hollywood');

// Get the first paragraph
$p = $html->find('p', 0);

echo $p->innertext; // Prints <b>Hollywood</b> is a district in (...)

我从未使用过Kohana但似乎有at least 2 Kohana modules for Simple HTML DOM，因此在项目中使用该库应该很容易。

获取维基百科的第一段文章

2 个答案: