我已经建立了一个网络爬虫.它扫描链接,标题和元描述.它会扫描链接并将其保存在$link中.它扫描链接的标题并将它们保存在newArray的
中.现在在这个数组中,我想要知道如果没有元标记,它可以扫描第一个p标记并使用它.唯一的问题是它似乎根本没有保存任何信息.
function getMetas($link) {
$str1 = file_get_contents($link);
if (strlen($str1)>0) {
preg_match_all( '/<meta.*?name=("|\')description("|\').*?content=("|\')(.*?)("|\')/i', $str1, $description);
if (count($description) > 1) {
return $description[4];
}
}
return '';
if ($description == '') {
$html = file_get_contents($link);
preg_match('%(<p[^>]*>.*?</p>)%i', $html, $re);
$res = get_custom_excerpt($re[1]);
echo "\n";
echo $res;
echo "\n";
}
function get_custom_excerpt($return, $option = 30, $sentance = false) {
$marks = Array(".","!","?");
$return = strip_tags($return);
if($sentance == true) {
$start = implode(" ", array_slice(preg_split("/\s+/", $return), 0, $option ));
$start .= ' ';
$end = implode(" ", array_slice(preg_split("/\s+/", $return), $option));
$cut = Array();
foreach($marks AS $m => $mark){
$mark = strpos($end, $mark);
if($mark != false) $cut[$m] = $mark;
}
if($cut[0] != "")
$chop = min($cut);
else
$chop = $option;
$rest = substr($end, 0, $chop);
$key = array_search($chop, $cut);
$return = $start.$rest;
}else{
$return = implode(" ", array_slice(preg_split("/\s+/", $return), 0, $option));
}
$return .= $marks[$key];
return $return;
}
}
$output = Array();
foreach ($links as $thisLink) {
$output[] = array("link" => $thisLink, "title" => Titles($thisLink), "description" => getMetas($thisLink), getMetas($res));
}
print_r($output);
最佳答案 你的正则表达式可能不起作用.属性可能不是您想要的顺序.
它可能是< meta name =“”content =“”>或< meta content =“”name =“”>.
为什么不使用XML解析器?
大多数HTML都足以用于解析.