提取网站中没有元标记描述的描述？

问题描述

| 我需要php中的一个函数来提取网站网址的描述，而该站点网址没有meta标签描述有什么想法？ 我已经尝试过此功能，但是不起作用：

$content = file_get_contents($url);

function getExcerpt($content) {
  $text = html_entity_decode($content);
  $excerpt = array();
  //match all tags
  preg_match_all(\"|<[^>]+>(.*)]+>|\",$text,$p,PREG_PATTERN_ORDER);
  for ($x = 0; $x < sizeof($p[0]); $x++) {
    if (preg_match(\'< p >i\',$p[0][$x])) {
      $strip = strip_tags($p[0][$x]);
      if (preg_match(\"/\\./\",$strip))
        $excerpt[] = $strip;
    }
    if (isset($excerpt[0])){
      preg_match(\"/([^.]+.)/\",$strip,$matches);
      return $matches[1];
    }
  }
  return false;
}

$excerpt = getExcerpt($content);

    

解决方法

        使用RegEx解析HTML几乎总是一个坏主意。值得庆幸的是，PHP具有可以为您完成工作的库。以下代码使用DOMDocument提取元描述，或者如果不存在元描述，则提取页面中的前1000个字符。

<?php
function getExcerpt($html) {

    $dom = new DOMDocument();

    // Parse the inputted HTML into a DOM
    $dom->loadHTML($html);

    $metaTags = $dom->getElementsByTagName(\'meta\');

    // Check for a meta description and return it if it exists
    foreach ($metaTags as $metaTag) {
        if ($metaTag->getAttribute(\'name\') === \"description\") {
            return $metaTag->getAttribute(\'content\');
        }
    }

    // No meta description,extract an excerpt from the body
    // Get the body node
    $body = $dom->getElementsByTagName(\'body\');
    $body = $body->item(0);

    // extract the contents
    $bodyText = $body->textContent;

    // collapse any line breaks
    $bodyText = preg_replace(\'/\\s*\\n\\s*/\',\"\\n\",$bodyText);
    // collapse any more leftover spaces or tabs to single spaces
    $bodyText = preg_replace(\'/[    ]+/\',\' \',$bodyText);

    // return the first 1000 chars
    return trim(substr($bodyText,1000));

}

$html = file_get_contents(\'test.html\');

echo nl2br(getExcerpt($html));

您可能想为其添加更多的逻辑，或者遍历一些DOM以尝试查找内容，或者只是在文本中间添加一些代码片段。照原样，此代码可能会捕获大量不需要的内容，例如页面导航的顶部等。     ,        您应该先检查是否有可用的元描述，如果是，则显示，然后搜索ѭ2and标记，并将该数据显示为描述（您可能希望限制段落的长度，例如，如果长度小于30，搜索下一段）。如果没有

<p>

标记，则只需显示标题作为描述即可（这就是facebook和Digg的工作方式）