外部站点的标题和元标记答案

【问题标题】：Title and Meta Tags of External site外部站点的标题和元标记
【发布时间】：2013-07-12 08:48:27
【问题描述】：

我需要使用 url 的购物网站的标题和元标记以及图像标记。这是我的代码，它使用亚马逊产品链接工作。但它不能像这样的网址：

我获取标签的代码：

$url ="http://rads.stackoverflow.com/amzn/click/B009T9QCWI";
$ch = curl_init();
$timeout = 5;
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_CONNECTTIMEOUT, $timeout);
$data = curl_exec($ch);
curl_close($ch);
$returned_content = $data;
$doc = new \DOMDocument();
@$doc->loadHTML($returned_content);
$nodes = $doc->getElementsByTagName("title");
//$title = $nodes->item(0)->nodeValue;
$product_title = str_replace("'", " ", $title);
$xml=simplexml_import_dom($doc);
$images=$xml->xpath("//img");
$j=0;
foreach($images as $img) {
    $host = explode(":",$img["src"]);
    $ht = $host[0];
    if ($ht == "http" || $ht == "https" ) {
        $info = pathinfo($img["src"]);
        if (array_key_exists('extension', $info)) {
            $extension =  $info["extension"];
        }
        if ($extension == "jpg" || $extension == "jpeg") {
            $imagesrc[] = $img["src"];

            $j++;

            $image[] = $img["src"] ;

        }
    }
}
$metas = $doc->getElementsByTagName('meta');
for ($i = 0; $i < $metas->length; $i++) {
    $meta = $metas->item($i);
    if ($meta->getAttribute('name') == 'description' || $meta->getAttribute('name') == 'Description') {
        $description = $meta->getAttribute('content');
    }
    if ($meta->getAttribute('name') == 'keywords') {
        $keywords = $meta->getAttribute('content');
    }
}
if (empty($image)) {
    $domarray[] = array('desc' => $description, 'title'=>$product_title);
    print_r($domarray);


} else {
    $domarray[] = array('img' =>$image, 'desc' => $description, 'title'=>$product_title);
    print_r($domarray) ;

}

【问题讨论】：

您正在尝试在那里将 HTML 解析为 XML。请不要（stackoverflow.com/questions/1732348/…）我认为亚马逊有一个 API 可以以更可解析的方式获取您的信息（affiliate-program.amazon.com/gp/advertising/api/detail/…）。
@ToBe 请注意，使用了loadHTML()。完全没问题
谢谢你。但我的目标不仅仅是亚马逊。亚马逊也可以使用这段代码。
您应该使用格式错误的 HTML 进行测试以确保。否则它可能会破坏您的 dom 和 xpath 查询。您也可以尝试使用 regexp 进行简单的字符串解析（不是 xml/html 解析，而是搜索某些字符串，例如 "
@LalMohan 看看我的回答。

标签： php curl

【解决方案1】：

为什么不使用simplehtmldom解析器。

示例：

require_once 'simple_html_dom.php';

$url ="http://rads.stackoverflow.com/amzn/click/B009T9QCWI";

$html = file_get_html( $url );

// all results stored in this array
$result = array();

// page title
$result[ 'title' ] = $html->find( 'title', 0 )->plaintext;

// get all meta tags, which have an attribute "name"
foreach( $html->find( 'meta[name]' ) as $meta ) {
    $result[ 'meta' ][] = array(
        'name' => $meta->name,
        'content' => $meta->content
    );
}

// get all images
foreach( $html->find( 'img' ) as $image ) {
    $result[ 'image' ][] = $image->src;
}

print_r( $result );

输出

您可以在循环中传递 url，并对所有人执行相同的操作。为简单起见，我保留了您对图像和元标记进行的检查。希望对您有所帮助。

【讨论】：

谢谢你。但它不适用于像alternate.de/Synology/Synology+DS413,_NAS/html/product/1028780 这样的网址？ bonprix.de/produkt/baby-fleecejacke-hellgrau-meliert-958416