只获取网站的相关部分

Question

Evernote's Web Clipper plugin或Announcify plugin如何仅获得相关文章/帖子/内容部分？以下是evernote插件的截图：

无论您访问哪个网站与其他布局都完全不同，这些网站始终能够为您提供文章/帖子/内容部分。

每个网站都有不同的布局，一些有侧边栏，有些没有，不同的标签，主要/文章/内容部分，有些使用HTML <article>或<section>其他人使用{{1} }，有些使用<h1> > <p>，有些则根本不使用。因此，有不同的标签组合以及网站布局。

有人可以建议通过Javascript或PHP获取主要文章/帖子/内容的解决方案吗？

Answer 1

您可以执行简单的DOM解析并搜索包含更多文本的<div>和<p>（文本！不是HTML代码！）。但是，无论您选择哪种智能方法来确定内容的位置，都应该从 DOM解析开始，所以让我们看一下DOM解析PHP库。

无论如何，你可以从这开始：

  

http://w-shadow.com/blog/2008/01/25/extracting-the-main-content-from-a-webpage/

看起来很不错，如果你想写自己的东西，可以提供技术解释。

Answer 2

大多数博客引擎都会将该div设为“内容”ID。

• 在javascript中你只需要做$（'＃content'）
• 在php中你会做DOMDocument :: getElementById（'content'）。