PHP Scrape文章摘录如可读性

我见过 this question,但它并不能满足我的需求.该问题的答案要么是：从元描述标签中提升,第二个是为您已经拥有主体的文章生成摘录.

我想要做的实际上是获得文章的前几句话,如可读性.这不是最好的方法吗？ HTML解析？这是我目前使用的,但这不是很可靠.

function guessExcerpt($url) {
    $html = file_get_contents_curl($url);

    $doc = new DOMDocument();
    @$doc->loadHTML($html);

    $Metas = $doc->getElementsByTagName('Meta');

    for ($i = 0; $i < $Metas->length; $i++)
    {
        $Meta = $Metas->item($i);
        if($Meta->getAttribute('name') == 'description')
            $description = $Meta->getAttribute('content');

    }

    return $description;
}

function file_get_contents_curl($url) {
    $ch = curl_init();

    curl_setopt($ch,CURLOPT_HEADER,0);
    curl_setopt($ch,CURLOPT_RETURNTRANSFER,1);
    curl_setopt($ch,CURLOPT_TIMEOUT,5);
    curl_setopt($ch,CURLOPT_URL,$url);
    curl_setopt($ch,CURLOPT_FOLLOWLOCATION,1);

    $data = curl_exec($ch);
    curl_close($ch);

    return $data;
}

这是PHP中的可读性端口： https://github.com/feelinglucky/php-readability.试试吧.提取结果类似于Readability(因为它实现了Readability的算法).

require 'lib/Readability.inc.PHP';

$html = file_get_contents_curl($url);

$Readability     = new Readability($html,$html_input_charset); // default charset is utf-8
$ReadabilityData = $Readability->getContent();

$title   = $ReadabilityData['title'];
$content = $ReadabilityData['content'];

然后你可以使用$content中的一些句子作为摘录.

PHP Scrape文章摘录如可读性

相关文章