如何从任何网页中仅提取主要内容？ （没有页脚，菜单栏，导航栏，页脚，侧栏，面包屑）

Question

我使用此代码提取了全身内容。 但我不知道有删除导航栏，页脚，侧栏，面包屑。 任何人都可以建议我如何完成这项工作？

foreach($dom->getElementsByTagName("body")->item(0)->childNodes as $child) {
$bodycontent .= $dom->saveHTML($child); }

Answer 1

您可以使用readability之类的内容，它以多种语言实现：

• https://github.com/j0k3r/php-readability
• https://pypi.python.org/pypi/readability-lxml