使用PHP提取<title>和</title>之间的字符串[重复]答案

【问题标题】：Extracting string between <title> and </title> using PHP [duplicate]使用PHP提取<title>和</title>之间的字符串[重复]
【发布时间】：2011-05-10 18:52:15
【问题描述】：

可能的重复：
(PHP5) Extracting a title tag and RSS feed address from HTML using PHP DOM or Regex
Grabbing title of a website using DOM

我试图在我的服务器上运行一百个不同的 html 文件，并提取标题以在另一个 php 文件中使用。

供参考：

    <title>Generic Test Page</title>

我需要的是一个函数，它将返回字符串“通用测试页”并将其粘贴到全局变量中。

我现在所做的只是将文件读入一个名为 $lines 的数组中。 Foreach $lines as $line，我正在测试字符串

...但是如何仅提取 > 和之间的内容？

我的麻烦是，有时原开发者决定详细说明标题：

，或者他把它放在三行而不是一行。世界上有什么？所以我不能只去掉前七个字符和后八个字符。哪个太好了... <p>谢谢！！</p>

【问题讨论】：

可以在这里找到解决方案 - stackoverflow.com/questions/3054347/…
（相关） Best Methods to parse HTML
我很乐意使用 preg_match 或 preg_split，但我无法弄清楚所有额外字符的来源。例如，为什么 preg_split(">", $line) 不返回一个包含两个部分的数组，第一个在 > 之前，另一个在 > 之后。它一直告诉我它找不到分隔符。呃……
好吧，显然我不应该那样做。我看到很多投诉，但为什么不好？
您没有尝试过寻找答案吗？此问题已多次解决：stackoverflow.com/questions/138313/…stackoverflow.com/questions/2988055/…stackoverflow.com/questions/3195851/how-to-extract-a-page-title

标签： php

【解决方案1】：

你需要使用PHP Simple Dom Parser之类的东西

function get_page_title($html_file) {
  $html = file_get_html($html_file);
  $title = $html->find('title', 0)->plaintext;
  return $title;
}

【讨论】：

建议的第三方替代 SimpleHtmlDom 实际使用 DOM 而不是字符串解析：phpQuery、Zend_Dom、QueryPath 和 FluentDom。
太棒了！我不知道所有这些替代方案，所以这让我可以与我目前使用的东西进行比较。
不客气。另请参阅问题下方给出的相关链接。
我弄清楚了 DOM 编码。非常感谢您的帮助！

【解决方案2】：

$line = 每行。

 $pattern ='/<title[^>]*>(.*?)<\/title>/is';
 if( preg_match($pattern,$line,$match) )
   return trim($match[1]); # your title !

或者只是在整个 html 上使用该模式并返回匹配项。

或使用 scurker 建议的东西。

【讨论】：

请你告诉我所有的斜线、星号和括号是什么意思？您是否需要将 $match 定义为一个数组，或者当它作为参数卡住时它会自动成为一个数组？
当然：* 表示零个或多个，/ 是表达式中的一个函数，因此您将 \ 放在前面以接受它（ \/ ）， [^>]* = 表示获取所有不是的字符> （所以在 "sdgsdsdg sd..sdgsdgsd" 将被淘汰。查看一些教程：<a href="/default/index/tourl?u=aHR0cDovL3d3dy5yZWd1bGFyLWV4cHJlc3Npb25zLmluZm8vdHV0b3JpYWwuaHRtbA%3D%3D" rel="nofollow" target="_blank">regular-expressions.info/tutorial.html</a>
$match 只是我给数组以存储“匹配”的名称。您可以在函数中任意命名： preg_match($pattern,$source,$ARRAY WITH RESULTS);在 ( $match=array() ) 之前定义数组总是好的，请参阅 >nl3.php.net/manual/en/function.preg-match.php
这在标题全部在一行时有效，但是当开发人员将其拆分为三行时，代码中断了。我想我刚刚弄清楚为什么不使用正则表达式。 :-) 感谢您给我一个起点，并告诉我一切意味着什么。你很有帮助。
您能举个例子吗？正则表达式可以，但模式可能必须改变。

【解决方案3】：

您应该使用正则表达式来提取内部部分。更多信息here

【讨论】：