php获取网页标题和内容函数(不包含html标签)
在PHP中，你可以使用`file_get_contents`函数来获取网页的HTML内容，然后使用`DOMDocument`类来解析HTML，并提取标题（`
`标签）和内容（去除HTML标签后的文本）。这里提供一个示例函数，它演示了如何做到这一点：</p><p></p><pre class="line-numbers language-php"><code>
<?php
function getWebPageTitleAndContent($url) {
// 检查URL是否为空
if (empty($url)) {
return ['title' => '', 'content' => ''];
}
// 获取网页内容
$html = file_get_contents($url);
if ($html === false) {
// 如果无法获取内容，返回空值
return ['title' => '', 'content' => ''];
}
// 加载HTML内容到DOMDocument
$dom = new DOMDocument();
@$dom->loadHTML($html); // 使用@来抑制可能的警告（如HTML格式不正确）
// 提取标题
$title = $dom->getElementsByTagName('title')->item(0)->nodeValue;
// 提取内容并去除HTML标签
$xpath = new DOMXPath($dom);
$bodyNodes = $xpath->query('//body/*');
$content = '';
foreach ($bodyNodes as $node) {
// 这里我们简单地假设内容节点不包含需要特别处理的子元素（如script, style等）
// 对于更复杂的情况，你可能需要更复杂的逻辑来过滤这些节点
$content .= strip_tags($dom->saveHTML($node));
}
// 去除可能的多余空白字符
$content = trim(preg_replace('/\s+/', ' ', $content));
return ['title' => $title, 'content' => $content];
}
// 使用示例
$url = 'http://example.com'; // 请替换为实际的URL
$result = getWebPageTitleAndContent($url);
print_r($result);
?>
</code></pre>
<p><script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-8670312724662002"
crossorigin="anonymous"></script>
<ins class="adsbygoogle"
style="display:block; text-align:center;"
data-ad-layout="in-article"
data-ad-format="fluid"
data-ad-client="ca-pub-8670312724662002"
data-ad-slot="2901279597"></ins>
<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script></p>
<p></p><p>**注意**：</p><p>1. 这个函数假设网页的内容是有效的HTML，并且`<title>`标签和`<body>`标签都存在。</p><p>2. 使用`@$dom->loadHTML($html);`来抑制可能的警告，但在生产环境中，最好处理这些潜在的错误或警告。</p><p>3. `strip_tags`函数用于去除HTML标签，但请注意，它不会处理嵌套的JavaScript或CSS等可能包含在`<script>`或`<style>`标签中的情况。对于复杂的HTML内容，你可能需要更复杂的解析器或清理逻辑。</p><p>4. 这个函数仅提取了`<body>`标签下的直接子元素的内容，并去除了这些子元素的HTML标签。如果你需要提取整个`<body>`的内容（包括嵌套的内容），你可以调整XPath查询或使用不同的方法来获取和清理内容。</p> </div>
</div>
</div>
</div>
<div class="row">
<div class="card card-body">
<script async src="https://pagead2.googlesyndication.com/pagead/js/adsbygoogle.js?client=ca-pub-8670312724662002"
crossorigin="anonymous"></script>
<ins class="adsbygoogle"
style="display:block"
data-ad-format="autorelaxed"
data-ad-client="ca-pub-8670312724662002"
data-ad-slot="5669508194"></ins>
<script>
(adsbygoogle = window.adsbygoogle || []).push({});
</script>
</div>
</div>
</div>
<hr>
<footer class="card" style="position:relative;bottom:0;width:100%;">
<div style="background-color: #e9ecef;padding-top: 20px;">
<div class="container">
<div class="copyright">Copyright © 2024 www.d2tu.com
<a rel="nofollow" href="https://beian.miit.gov.cn/" target="_blank">皖ICP备2023005503号-1</a>
<a href="https://www.d2tu.com/sitemap.xml" target="_blank">XML地图</a>
</div>
<p>QQ邮箱: <b>664032890</b></p>
</div>
</div>
</footer>
<script src="/static/js/jquery.min.js"></script>
<script src="/static/js/bootstrap.min.js"></script>
<script src="/ziyuan/js/prism.js"></script>
</body>
</html>