Techniken zum Extrahieren der ‚besten‘ Bild von einer Webseite

Question

Ich versuche, so etwas wie Facebook „Teilen“ -Funktion für meine Website zu bauen.

Ich habe zu dem Punkt, wo ich eine URL akzeptieren kann, kratzen sie für Meta-Keywords und in geeigneter Titel / Beschreibungen, aber ich bin ein wenig in Bezug auf die beste Art und Weise zu stecken ‚wahrscheinlich‘ Fotos der Benutzer bestimmen kann teilen möchten.

Ich verwende derzeit die SimpleXMLElement die Seite in einen verfahrbaren DOM zu drehen, und alle Tags finden, um sie in absolute URLs drehen. Danach bin ich nicht sicher, wie ich über die Suche nach einem geeigneten Thumbnail gehen kann.

lade ich sie alle, und nach Dateigröße gehen? Muss ich irgendeine Art von Heuristik verwenden wie: „wurde in der Mitte der Seite aufgetreten“?

Hat jemand irgendwelche Empfehlungen, Anregungen oder Tipps?

Answer 1

schrieb ich etwas ähnliches vor einer Weile Bilder von geschabt Blog-Posts zu bekommen. Meine Kriterien für die Auswahl eines Bildes war etwas entlang der Linien des Erhaltens eine Liste aller Bilder auf der Seite dann ‚Prioritätspunkte‘ zuweisen:

• Ignorieren Bilder von einer schwarzen Liste von AdBlock Liste
genommen gehostet
• Ignorieren indirekte Bilder, zum Beispiel im Zusammenhang mit von Stylesheets oder in einem IFRAME
• Ignoriere Bilder unter 50 Pixel breit oder hoch
• Bilder ignorieren, die mehr als einmal wiederholen
• Zuordnen von Prioritätspunkten, um Bilder von einer weißen Liste von Hosts gehostet (zB photobucket, imageshack.us)
• Weisen Prioritätspunkte zu den größten drei Bilder auf der Seite
• Zuordnen von Prioritätspunkten, um Bilder auf dem gleichen Host
• Zuordnen von Prioritätspunkten, um Bilder mit einem ALT-Tag definiert
• Zuordnen von Prioritätspunkten, um Bilder in einem P-Tag erscheinen

Dann mit den Prioritätspunkten auf einen Blick. Es war sicherlich nicht narrensicher oder allzu wissenschaftlich aber es hat etwas Nützliches weit häufiger als nicht.

Answer 2

Ich habe keine direkte Erfahrung dies zu tun, so bin ich nicht sicher, dass es eine spezifische Best Practice ist, aber im Allgemeinen denke ich, einen heuristischen Ansatz auf mehrere Faktoren suchen würde wegen der Variabilität Sinn machen, in der Website-Implementierungen gefunden .

Ich würde auf zwei Gruppen von Elementen aussehen:. Bildeigenschaften und Kontext der wo / wie die Bilder platziert werden

Bild Eigenschaften:

• Breite und Höhe treffen Mindestschwellen
• Das Seitenverhältnis ist angemessen (Hintergrundbilder, die Fliese extreme Seitenverhältnisse aufweisen, die einen guten Hinweis darauf liefert, dass das Bild nicht geeignet sein kann)
• Mehr als eine Farbe in Bild vorhanden ist (schwerer zu erkennen, sondern kann verschiedene Hintergrundbilder vermeiden)

Bild Kontext:

• Bild wiederholt sich nicht auf der Seite (dies vermeidet Symbole und andere Design-Elemente verwenden, die wiederholen können)
• Tritt nach h1, h2, etc. Tags auf Seite; Dies wird zu Ihrem Punkt über die Bilder aus der Mitte der Seite kommen, wieder Design-Elemente zu vermeiden.
• Hat einen alt-Tag (obwohl dies nicht konsequent verwendet wird, so vielleicht nicht viel nützliche Informationen liefert)

Ich würde weist Gewichte auf die vorherigen Elemente und dann die Bilder ordnen Sie nach finden, wie gut jedes Bild die Regeln erfüllt.

Beachten Sie auch, dass einige Seiten CSS verwenden (oder Flash, etc.) Bilder anzuzeigen. Diese unsere außerhalb des Bereichs der Bilder (nach dem Algorithmus Sie definiert); vielleicht keine große Sache, aber etwas zu prüfen.