從網頁復制文本

Question

假設我們有一個網站 speedywap.com

當我在瀏覽器中打開網站，然后將頁面復制到剪貼板時，當我將其粘貼到記事本（Windows）中時，只剩下文本。 除了鏈接等中的文本（即顯示在屏幕上）之外，所有代碼都被刪除。

我想用 php 做一些類似的事情，因為我正在嘗試創建一個關鍵字密度分析器。 所以我想要一些能夠只保留屏幕上顯示的網頁中的文本的東西。

我的服務器正在運行 apache、php、centos 和 mysql

Answer 1

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

您可以使用 strip_tags 從中刪除標簽，然后只剩下文本。

Answer 2

對於一個非常天真的開始，你可以使用這個：

<?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 但這並不能保證任何事情，唯一的方法是手動解析頁面，使用 str_replace、preg_replace 等。

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

Answer 4

在此開發您的代碼 ->http://www.barattalo.it/2010/03/01/php-curl-bot-to-update-facebook-status/

Answer 5

如果你想花哨，請使用 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/'); 獲取頁面源，然后使用一些過濾器/正則表達式來獲取您需要的文本。

Answer 7

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

Answer 8

strip_tags不會刪除或替換諸如 HTML 空間 (   )、 £ , – 等從您需要的內容中提取，如您所說，瀏覽器復制（ Ctrl + A ， Ctrl + C ）並粘貼到記事本中。 您必須編寫特定的代碼來替換每個代碼，例如：

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

等等來處理這些。 我需要將用戶在TinyMCE創建的內容（允許格式化文本）轉換為客戶端的純文本。 一個超越strip_tags來執行此操作的 PHP 命令會很棒，但我找不到。