在 PHP 中检索 <title> 的最快方法

Question

我正在做一个书签系统并寻找最快（最简单）的方法来用 PHP 检索页面的标题。

如果有 $title = page_title($url) 这样的东西会很好

Answer 1

我也在做一个书签系统，发现从 PHP 5 开始你可以使用stream_get_line 加载远程页面，直到结束标题标签（而不是加载整个文件），然后摆脱之前的内容以explode 开头的标题标签（而不是regex）。

function page_title($url) {
  $title = false;
  if ($handle = fopen($url, "r"))  {
    $string = stream_get_line($handle, 0, "</title>");
    fclose($handle);
    $string = (explode("<title", $string))[1];
    if (!empty($string)) {
      $title = trim((explode(">", $string))[1]);
    }
  }
  return $title;
}

最后 explode 感谢 PlugTrade 的 answer 提醒我标题标签可以有属性。

Answer 2

或者让这个简单的函数更加防弹：

function page_title($url) {

    $page = file_get_contents($url);

    if (!$page) return null;

    $matches = array();

    if (preg_match('/<title>(.*?)<\/title>/', $page, $matches)) {
        return $matches[1];
    } else {
        return null;
    }
}


echo page_title('http://google.com');

Answer 3

处理添加了属性的标题标签的函数

function get_title($html)
{
    preg_match("/<title(.+)<\/title>/siU", $html, $matches);
    if( !empty( $matches[1] ) ) 
    {
        $title = $matches[1];

        if( strstr($title, '>') )
        {
            $title = explode( '>', $title, 2 );
            $title = $title[1];

            return trim($title);
        }   
    }
}

$html = '<tiTle class="aunt">jemima</tiTLE>';
$title = get_title($html);
echo $title;

Answer 4

不用reg表达式也可以得到：

$title = '';
$dom = new DOMDocument();

if($dom->loadHTMLFile($urlpage)) {
    $list = $dom->getElementsByTagName("title");
    if ($list->length > 0) {
        $title = $list->item(0)->textContent;
    }
}

Answer 5

<?php
    function page_title($url) {
        $fp = file_get_contents($url);
        if (!$fp) 
            return null;

        $res = preg_match("/<title>(.*)<\/title>/siU", $fp, $title_matches);
        if (!$res) 
            return null; 

        // Clean up title: remove EOL's and excessive whitespace.
        $title = preg_replace('/\s+/', ' ', $title_matches[1]);
        $title = trim($title);
        return $title;
    }
?>

试一试以下输入：

print page_title("http://www.google.com/");

输出：谷歌

希望对您的使用足够通用。如果您需要更强大的功能，花点时间研究 HTML 解析器可能不会有什么坏处。

编辑：添加了一些错误检查。第一个版本有点仓促，抱歉。

Answer 6

我喜欢将 SimpleXml 与正则表达式一起使用，这是我用来从我创建的 OpenID 库中的页面中获取多个链接标题的解决方案。我已经对其进行了调整以适用于标题（即使通常只有一个）。

function getTitle($sFile)
{
    $sData = file_get_contents($sFile);

    if(preg_match('/<head.[^>]*>.*<\/head>/is', $sData, $aHead))
    {   
        $sDataHtml = preg_replace('/<(.[^>]*)>/i', strtolower('<$1>'), $aHead[0]);
        $xTitle = simplexml_import_dom(DomDocument::LoadHtml($sDataHtml));

        return (string)$xTitle->head->title;
    }
    return null;
}

echo getTitle('http://stackoverflow.com/questions/399332/fastest-way-to-retrieve-a-title-in-php');

具有讽刺意味的是，这个页面在标题标签中有一个“标题标签”，这有时会导致纯正则表达式解决方案出现问题。

这个解决方案并不完美，因为如果格式/大小写很重要（例如 XML），它可能会导致嵌套标签出现问题的小写标签，但是有一些方法可以解决这个问题。

Answer 7

正则表达式？

使用cURL 获取$htmlSource 变量的内容。

preg_match('/<title>(.*)<\/title>/iU', $htmlSource, $titleMatches);

print_r($titleMatches);

看看你在那个数组中有什么。

大多数人说 HTML 遍历虽然你应该使用解析器，因为正则表达式可能不可靠。

其他答案提供了更多细节:)