Question

我想知道其他开发者如何管理从RSS源中的URL正确获取/提取网站博客主要内容中的第一个图像。这是我想到的方式，因为RSS源没有其中的帖子/博客项目的图像URL。虽然我一直在看

<img src="http://feeds.feedburner.com/~r/CookingLight/EatingSmart/~4/sIG3nePOu-c" />

但它只有1px图像。这个是否与Feed项具有相关价值，或者我可以将其转换为实际图像吗？这是RSS http://feeds.cookinglight.com/CookingLight/EatingSmart?format=xml

无论如何，这是我尝试使用Feed中的网址提取图片：

function extact_first_image( $url ) {  
  $content = file_get_contents($url);

  // Narrow the html to get the main div with the blog content only.
  // source: http://stackoverflow.com/questions/15643710/php-get-a-div-from-page-x
  $PreMain = explode('<div id="main-content"', $content);
  $main = explode("</div>" , $PreMain[1] );

  // Regex that finds matches with img tags.
  $output = preg_match_all('/<img[^>]+src=[\'"]([^\'"]+)[\'"][^>]*>/i', $main[12], $matches);  

  // Return the img in html format.
  return $matches[0][0];  
}

$url = 'http://www.cookinglight.com/eating-smart/nutrition-101/foods-that-fight-fat'; //Sample URL from the feed.
echo extact_first_image($url);

此功能的明显缺点：如果在html中找到<div id="main-content"，它会正确爆炸。当另一个xml与另一个结构进行解析时，也会有另一个爆炸。这非常不稳定。

我想它值得一提的还有加载时间。当我执行循环中的项目循环时，它甚至更长。

我希望我明确指出这些观点。随意放下任何可能有助于优化解决方案的想法。

Answer 1

图片网址在rss文件中，因此您可以通过解析xml来获取它们。每个＆lt; item＆gt; element包含＆lt; media：group＆gt;包含＆lt; media：content＆gt;的元素元件。该项目的图片的网址位于＆lt; media：content＆gt;的“url”属性中。元件。这是一些用于将图像URL提取到数组中的基本代码（php）：

$xml = simplexml_load_file("http://feeds.cookinglight.com/CookingLight/EatingSmart?format=xml");

$imageUrls = array();

foreach($xml->channel->item as $item)
{
    array_push($imageUrls, (string)$item->children('media', true)->group->content->attributes()->url);
}

但请记住，媒体不一定是图像。它可以是视频或录音。甚至可能有多个＆lt; media：group＆gt;。您可以检查＆lt; media：content＆gt;的“type”属性。要看它是什么的元素。

从RSS源获取图像，没有图像URL

1 个答案: