Question

我需要使用PHP阅读远程页面的三行内容。我正在使用Jose Vega的代码在这里阅读标题：

<?php

function get_title($url){
  $str = file_get_contents($url);
  if(strlen($str)>0){
    $str = trim(preg_replace('/\s+/', ' ', $str)); // supports line breaks    inside <title>
    preg_match("/\<title\>(.*)\<\/title\>/i",$str,$title); // ignore case
    return $title[1];
  }
}
//Example:
echo get_title("http://www.washingtontimes.com/");

?>

插入URL时，我想提取以下信息：

<title>TITLE HERE</title>

<meta property="end_date" content="Tue Aug 28 2018 03:59:59 GMT+0000 (UTC)" />

<meta property="start_date" content="Mon Aug 06 2018 04:00:00 GMT+0000 (UTC)" />

输出：$title，$start，$end 显示为带有URL链接的标题，后跟开始：____，结束：____，最好转换为简单日期

奖金问题：如何使用此脚本有效地解析数十个站点？这些站点都在数字上递增。 index.php?id=103 index.php?id=104 index.php?id=105

显示：

ID   Title         Start     End

#103 TitleWithLink StartDate EndDate

#104 TitleWithLink StartDate EndDate

#105 TitleWithLink StartDate EndDate

Answer 1

根据您的问题，我猜您想读取元数据。我现在建议的部分代码摘自http://php.net/manual/en/function.get-meta-tags.php
。此SO页面正常工作，因此对您的SO页面也正常工作。当然，您需要对其稍加修改以完成任务。

function getUrlData($url, $raw=false) // $raw - enable for raw display
{
    $result = false;

    $contents = getUrlContents($url);

    if (isset($contents) && is_string($contents))
    {
        $title = null;
        $metaTags = null;
        $metaProperties = null;

        preg_match('/<title>([^>]*)<\/title>/si', $contents, $match );

        if (isset($match) && is_array($match) && count($match) > 0)
        {
            $title = strip_tags($match[1]);
        }

        preg_match_all('/<[\s]*meta[\s]*(name|property)="?' . '([^>"]*)"?[\s]*' . 'content="?([^>"]*)"?[\s]*[\/]?[\s]*>/si', $contents, $match);

        if (isset($match) && is_array($match) && count($match) == 4)
        {
            $originals = $match[0];
            $names = $match[2];
            $values = $match[3];

            if (count($originals) == count($names) && count($names) == count($values))
            {
                $metaTags = array();
                $metaProperties = $metaTags;
                if ($raw) {
                    if (version_compare(PHP_VERSION, '5.4.0') == -1)
                         $flags = ENT_COMPAT;
                    else
                         $flags = ENT_COMPAT | ENT_HTML401;
                }

                for ($i=0, $limiti=count($names); $i < $limiti; $i++)
                {
                    if ($match[1][$i] == 'name')
                         $meta_type = 'metaTags';
                    else
                         $meta_type = 'metaProperties';
                    if ($raw)
                        ${$meta_type}[$names[$i]] = array (
                            'html' => htmlentities($originals[$i], $flags, 'UTF-8'),
                            'value' => $values[$i]
                        );
                    else
                        ${$meta_type}[$names[$i]] = array (
                            'html' => $originals[$i],
                            'value' => $values[$i]
                        );
                }
            }
        }

        $result = array (
            'title' => $title,
            'metaTags' => $metaTags,
            'metaProperties' => $metaProperties,
        );
    }

    return $result;
}

function getUrlContents($url, $maximumRedirections = null, $currentRedirection = 0)
{
    $result = false;

    $contents = @file_get_contents($url);

    // Check if we need to go somewhere else

    if (isset($contents) && is_string($contents))
    {
        preg_match_all('/<[\s]*meta[\s]*http-equiv="?REFRESH"?' . '[\s]*content="?[0-9]*;[\s]*URL[\s]*=[\s]*([^>"]*)"?' . '[\s]*[\/]?[\s]*>/si', $contents, $match);

        if (isset($match) && is_array($match) && count($match) == 2 && count($match[1]) == 1)
        {
            if (!isset($maximumRedirections) || $currentRedirection < $maximumRedirections)
            {
                return getUrlContents($match[1][0], $maximumRedirections, ++$currentRedirection);
            }

            $result = false;
        }
        else
        {
            $result = $contents;
        }
    }

    return $contents;
}

$result = getUrlData('https://stackoverflow.com/questions/51939042/php-read-three-lines-of-remote-html', true);

print_r($result);的输出是：

然后实际使用它来实现您的目的：

如何使用此脚本有效地解析数十个站点？的站点都在数字上上升。 index.php？id = 103 index.php？id = 104 index.php？id = 105

您需要：

-首先创建一个包含您的网址的array

<!DOCTYPE html>
            <html>
            <head>
            </head>
            <body>

            <h2>HTML Table</h2>

            <table>
                    <tr>
                    <th >Id</th>
                    <th >Title</th>
                    <th >start_date</th>
                    <th>end_date</th>
                    </tr>
        <?php
$urls=array(103=>'index.php?id=103',104=> 'index.php?id=104', 105=>'index.php?id=105');

-然后遍历此array：
```
foreach($urls as $id=>$url):
```
-每次迭代都使用函数getUrlData()，如下所示：
```
    $result=getUrlData($url, true);
```

-然后您使用例如：

检索所需的信息

?><tr>
  <td><?php echo $id; ?></td>
  <td><?php echo $result['title']; ?></td>
  <td><?php echo $result['metaProperties']['start_date']['value']; ?></td>
  <td><?php echo $result['metaProperties']['end_date']['value']; ?></td>
</tr>

构建每行和每一行。在该过程结束时，您将获得期望的表：

Endforeach;?>
            </table></body>
            </html>

Answer 2

好吧，您可以使用DomDocument类解决问题。

$doc = new \DomDocument();
$title = $start = $end = '';

if ($doc->loadHTMLFile($url)) {

    // Get the title
    $titles = $dom->getElementsByTagName('title');
    if ($titles->length > 0) {
        $title = $titles->item(0)->nodeValue;
    }

    // get meta elements
    $xpath = new \DOMXPath($doc);
    $ends = $xpath->query('//meta[@property="end_date"]');
    $if ($ends->length > 0) {
        $end = $ends->item(0)->getAttribute('content');
    }

    $starts = $xpath->query('//meta[@property="start_date"]');
    if ($starts->length > 0) {
        $start = $starts->item(0)->getAttribute('content');
    }

    var_dump($title, $start, $end);
}

使用getElementsByTagName类的DomDocument方法，您可以在给定URL的整个html中找到title元素。使用DOMXPath类，您可以检索所需的特定元数据。您无需太多代码即可在html字符串中查找特定信息。

上面显示的代码未经测试。

PHP-阅读三行远程html

2 个答案: