如果没有元描述，我如何使用 p 标签的 20 个字符

Posted 2023-02-24

【中文标题】如果没有元描述，我如何使用 p 标签的 20 个字符

【英文标题】：How can i use 20 characters of the p tag if there is no meta description

【发布时间】：2012-09-15 15:22:15

【问题描述】：

是的，我已经构建了一个网络爬虫。它扫描链接、标题和元描述。它扫描链接并将它们保存在 $link 中。它扫描链接的标题并将它们保存在 newArray 中的 [title] 中。现在在这个数组中，我想让它知道如果没有元标记，它可以扫描第一个 p 标记并使用它。唯一的问题是它似乎根本没有保存任何信息。

function getMetas($link) 
$str1 = file_get_contents($link);    

    if (strlen($str1)>0) 
 preg_match_all( '/<meta.*?name=("|\')description("|\').*?content=("|\')(.*?)("|\')/i', $str1, $description);
   if (count($description) > 1) 
    return $description[4];   
   


   
 return '';
   if ($description == '') 
$html = file_get_contents($link);    
preg_match('%(<p[^>]*>.*?</p>)%i', $html, $re);
$res = get_custom_excerpt($re[1]);
echo "\n";
echo $res;
echo "\n";



    function get_custom_excerpt($return, $option = 30, $sentance = false) 
    $marks = Array(".","!","?");

   $return = strip_tags($return);

  if($sentance == true) 
$start = implode(" ", array_slice(preg_split("/\s+/", $return), 0, $option ));
$start .= ' ';
$end = implode(" ", array_slice(preg_split("/\s+/", $return), $option));

$cut = Array();
foreach($marks AS $m => $mark)
  $mark = strpos($end, $mark);
  if($mark != false) $cut[$m] = $mark;


if($cut[0] != "")
  $chop = min($cut);
    else
      $chop = $option;
$rest = substr($end, 0, $chop);

$key = array_search($chop, $cut);

$return = $start.$rest;

   else
$return = implode(" ", array_slice(preg_split("/\s+/", $return), 0, $option));
   
  $return .= $marks[$key];

  return $return; 
     

   


 $output = Array();

 foreach ($links as $thisLink) 
 $output[] = array("link" => $thisLink, "title" => Titles($thisLink), "description" => getMetas($thisLink), getMetas($res));
  
  print_r($output);

【问题讨论】：

我建议使用 XPath 来选择元素和内容，而不是正则表达式。

【参考方案1】：

您的正则表达式可能不起作用。属性可能不是您想要的顺序。 可能是<meta name="" content=""> 或<meta content="" name="">。

为什么不使用 XML 解析器？ 大多数 HTML 都足够有效，可以用于解析。

请看php Parse HTML code

【讨论】：

这将是一个优雅的解决方案，允许开发人员之间的编码风格不一致。例如，元标记中属性的顺序，XML 解析器不会真正关心。不错的一个:)