Obtenir le titre de site via un lien

Question

Remarquez comment Google Nouvelles a des sources sur le fond de chaque extrait de l'article.

  

The Guardian - ABC Nouvelles - Reuters -   Bloomberg

Je suis en train d'imiter cela.

Par exemple, lors de la présentation de la http://www.washingtontimes.com/news/2010/dec/3/debt-panel-fails-test-vote/ URL Je veux revenir The Washington Times

Comment est-ce possible avec php?

Answer 1

Ma réponse se développe sur la réponse de @AI W d'utiliser le titre de la page. Voici le code pour accomplir ce qu'il a dit.

<?php

function get_title($url){
  $str = file_get_contents($url);
  if(strlen($str)>0){
    $str = trim(preg_replace('/\s+/', ' ', $str)); // supports line breaks inside <title>
    preg_match("/\<title\>(.*)\<\/title\>/i",$str,$title); // ignore case
    return $title[1];
  }
}
//Example:
echo get_title("http://www.washingtontimes.com/");

?>

SORTIE

  

Washington Times - Politique, Briser   Nouvelles, Nouvelles Etats-Unis et du monde

Comme vous pouvez le voir, ce n'est pas exactement ce que Google utilise, donc ce qui conduit à croire que moi qu'ils obtiennent un nom d'hôte URL et correspondent à leur propre liste.

http://www.washingtontimes.com/ => Le Washington Times

Answer 2

$doc = new DOMDocument();
@$doc->loadHTMLFile('http://www.washingtontimes.com/news/2010/dec/3/debt-panel-fails-test-vote/');
$xpath = new DOMXPath($doc);
echo $xpath->query('//title')->item(0)->nodeValue."\n";

Sortie:

  

commission de la dette tombe à court vote test - Washington Times

Il est évident que vous devez également mettre en œuvre la gestion des erreurs de base.

Answer 3

Vous pourriez récupérer le contenu de l'URL et faire une recherche d'expression régulière pour le contenu de l'élément title.

<?php
$urlContents = file_get_contents("http://example.com/");
preg_match("/<title>(.*)<\/title>/i", $urlContents, $matches);

print($matches[1] . "\n"); // "Example Web Page"
?>

Ou, si vous ne voulez pas utiliser une expression régulière (pour correspondre à quelque chose de très près du haut du document), vous pouvez utiliser un objet DOMDocument :

<?php
$urlContents = file_get_contents("http://example.com/");

$dom = new DOMDocument();
@$dom->loadHTML($urlContents);

$title = $dom->getElementsByTagName('title');

print($title->item(0)->nodeValue . "\n"); // "Example Web Page"
?>

Je laisse à vous de décider quelle méthode vous convient le mieux.

Answer 4

Utilisation get_meta_tags () à partir du domaine page d'accueil, pour New York Times ramène quelque chose qui pourrait tronquer besoin, mais pourrait être utile.

$b = "http://www.washingtontimes.com/news/2010/dec/3/debt-panel-fails-test-vote/" ;

$url = parse_url( $b ) ;

$tags = get_meta_tags( $url['scheme'].'://'.$url['host'] );
var_dump( $tags );

comprend la description « The Washington Times offre de rupture nouvelles et des commentaires sur les questions qui touchent l'avenir de notre nation. »

Answer 5

PHP manuel sur cURL

<?php

$ch = curl_init("http://www.example.com/");
$fp = fopen("example_homepage.txt", "w");

curl_setopt($ch, CURLOPT_FILE, $fp);
curl_setopt($ch, CURLOPT_HEADER, 0);

curl_exec($ch);
curl_close($ch);
fclose($fp);
?>

PHP manuel sur la correspondance Perl regex

<?php
$subject = "abcdef";
$pattern = '/^def/';
preg_match($pattern, $subject, $matches, PREG_OFFSET_CAPTURE, 3);
print_r($matches);
?>

Et mettre les deux ensemble:

<?php 
// create curl resource 
$ch = curl_init(); 

// set url 
curl_setopt($ch, CURLOPT_URL, "example.com"); 

//return the transfer as a string 
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 

// $output contains the output string 
$output = curl_exec($ch); 

$pattern = '/[<]title[>]([^<]*)[<][\/]titl/i';

preg_match($pattern, $output, $matches);

print_r($matches);

// close curl resource to free up system resources 
curl_close($ch);      
?>

Je ne peux pas promettre cet exemple ne fonctionnera que je n'ai pas PHP, mais il devrait vous aider à démarrer.

Answer 6

Si vous êtes prêt à utiliser un service tiers pour cela, je vient de construire un www.runway7.net / radar

Vous donne le titre, la description et bien plus encore. Par exemple, essayez votre exemple sur radar. ( http://radar.runway7.net/?url=http://www.washingtontimes.com/news/2010/dec/3/debt-panel-fails-test-vote/ )

Answer 7

Vous pouvez également utiliser simple Html Dom Parser :

<?php
require_once('simple_html_dom.php');

$html = file_get_html('http://www.washingtontimes.com/news/2010/dec/3/debt-panel-fails-test-vote/');

echo $html->find('title', 0)->innertext . "<br>\n";

echo $html->find('div[class=entry-content]', 0)->innertext;

Answer 8

i a écrit une fonction pour gérer:

 function getURLTitle($url){

    $ch = curl_init();

    curl_setopt($ch, CURLOPT_URL, $url);

    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);

    $content = curl_exec($ch);

    $contentType = curl_getinfo($ch, CURLINFO_CONTENT_TYPE);
    $charset = '';

    if($contentType && preg_match('/\bcharset=(.+)\b/i', $contentType, $matches)){
        $charset = $matches[1];
    }

    curl_close($ch);

    if(strlen($content) > 0 && preg_match('/\<title\b.*\>(.*)\<\/title\>/i', $content, $matches)){
        $title = $matches[1];

        if(!$charset && preg_match_all('/\<meta\b.*\>/i', $content, $matches)){
            //order:
            //http header content-type
            //meta http-equiv content-type
            //meta charset
            foreach($matches as $match){
                $match = strtolower($match);
                if(strpos($match, 'content-type') && preg_match('/\bcharset=(.+)\b/', $match, $ms)){
                    $charset = $ms[1];
                    break;
                }
            }

            if(!$charset){
                //meta charset=utf-8
                //meta charset='utf-8'
                foreach($matches as $match){
                    $match = strtolower($match);
                    if(preg_match('/\bcharset=([\'"])?(.+)\1?/', $match, $ms)){
                        $charset = $ms[1];
                        break;
                    }
                }
            }
        }

        return $charset ? iconv($charset, 'utf-8', $title) : $title;
    }

    return $url;
}

il va chercher le contenu de la page Web, et tente d'obtenir le document charset encodage par ((de la plus haute priorité au plus bas):

1. Un paramètre HTTP "charset" dans un champ "Content-Type".
2. Une déclaration META "http-equiv" sur "Content-Type" et un ensemble de valeurs pour "charset".
3. Le jeu d'attribut charset sur un élément qui désigne une ressource externe.

(voir http://www.w3.org/TR/html4/charset. html )

et utilise ensuite iconv à titre de converti à l'encodage utf-8.

Answer 9

Obtenir le titre de site via le lien et le titre de converti au codage de caractères UTF-8:

https://gist.github.com/kisexu/b64bc6ab787f302ae838

function getTitle($url)
{
    // get html via url
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_AUTOREFERER, true);
    curl_setopt($ch, CURLOPT_HEADER, 0);
    curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/28.0.1500.71 Safari/537.36");
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
    $html = curl_exec($ch);
    curl_close($ch);

    // get title
    preg_match('/(?<=<title>).+(?=<\/title>)/iU', $html, $match);
    $title = empty($match[0]) ? 'Untitled' : $match[0];
    $title = trim($title);

    // convert title to utf-8 character encoding
    if ($title != 'Untitled') {
        preg_match('/(?<=charset\=).+(?=\")/iU', $html, $match);
        if (!empty($match[0])) {
            $charset = str_replace('"', '', $match[0]);
            $charset = str_replace("'", '', $charset);
            $charset = strtolower( trim($charset) );
            if ($charset != 'utf-8') {
                $title = iconv($charset, 'utf-8', $title);
            }
        }
    }

    return $title;
}

Answer 10

J'essaie d'éviter des expressions régulières quand il est pas nécessaire, je l'ai fait une fonction pour obtenir le titre de site Web avec boucle et DOMDocument ci-dessous.

function website_title($url) {
   $ch = curl_init();
   curl_setopt($ch, CURLOPT_URL, $url);
   curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
   // some websites like Facebook need a user agent to be set.
   curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36');
   $html = curl_exec($ch);
   curl_close($ch);

   $dom  = new DOMDocument;
   @$dom->loadHTML($html);

   $title = $dom->getElementsByTagName('title')->item('0')->nodeValue;
   return $title;
}

echo website_title('https://www.facebook.com/');

ci-dessus renvoie les éléments suivants: Bienvenue sur Facebook - Connexion, inscrivez-vous ou en savoir plus