从网页复制文本

Question

假设我们有一个网站 speedywap.com

当我在浏览器中打开网站，然后将页面复制到剪贴板时，当我将其粘贴到记事本（Windows）中时，只剩下文本。 除了链接等中的文本（即显示在屏幕上）之外，所有代码都被删除。

我想用 php 做一些类似的事情，因为我正在尝试创建一个关键字密度分析器。 所以我想要一些能够只保留屏幕上显示的网页中的文本的东西。

我的服务器正在运行 apache、php、centos 和 mysql

Answer 1

<?php
$content = file_get_contents('http://speedywap.com');
echo $content;
?>

您可以使用 strip_tags 从中删除标签，然后只剩下文本。

Answer 2

对于一个非常天真的开始，你可以使用这个：

<?php

echo strip_tags(file_get_contents('http://speedywap.com'));

?>

Answer 3

function curl($url){
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL,$url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);
    return curl_exec($ch);
    curl_close ($ch);
}

$html = curl('http://speedywap.com');

cURL 比 fgc 快很多倍。 您可以使用 strip_tags 但这并不能保证任何事情，唯一的方法是手动解析页面，使用 str_replace、preg_replace 等。

这是你使用 strip_tags 得到的： http : //pokit.etf.ba/get/47a07bd62ea42dd3d447f060c01ccfb5.png

Answer 4

在此开发您的代码 ->http://www.barattalo.it/2010/03/01/php-curl-bot-to-update-facebook-status/

Answer 5

如果你想花哨，请使用 file_get_contents 或 curl。

<?php
$content = file_get_contents('http://speedywap.com');
echo $content; // or analyze, or whatever

Answer 6

您可以使用file_get_contents('http://www.speedywap.com/'); 获取页面源，然后使用一些过滤器/正则表达式来获取您需要的文本。

Answer 7

您还可以使用strip_tags ： http : //php.net/manual/en/function.strip-tags.php

Answer 8

strip_tags不会删除或替换诸如 HTML 空间 (   )、 £ , – 等从您需要的内容中提取，如您所说，浏览器复制（ Ctrl + A ， Ctrl + C ）并粘贴到记事本中。 您必须编写特定的代码来替换每个代码，例如：

str_replace('& nbsp;',' ',$mytext); 
str_replace('& ndash;','-',$mytext);

等等来处理这些。 我需要将用户在TinyMCE创建的内容（允许格式化文本）转换为客户端的纯文本。 一个超越strip_tags来执行此操作的 PHP 命令会很棒，但我找不到。