Forum PHP.pl > Pobieranie treści ze strony

Pomoc - Szukaj - Użytkownicy - Kalendarz

Pełna wersja: Pobieranie treści ze strony

nemo223

12.03.2009, 13:22:23

Mam problem polegający na pobieraniu treści mojej strony WWW. Chciałbym jedynie pobrać tekst, a nie znaczniki XHTML. Z wycinaniem już sobie poradziłem ponieważ <code>użyłem strip_tags</code>, tylko że potem zostają mi w treści zawartość arkusza stylów i skrypty JS.

Można to wyciąć za pomocą ereg_replace tylko właśnie nie wiem jakiego wyrażenia użyć.

Spawnm

12.03.2009, 13:44:47

moze najpierw z z <body> wyciągnąć wszystko czyli coś ala $strona=preg_replace( "<body>(.*)</body>","$1",$strona);
i potem strip_tags

zegarek84

12.03.2009, 21:51:27

poniższy skrypt usuwa komentarze i skrypty js bedące pomiedzy tagami <script......

[PHP] pobierz, plaintext 
<?php
$tresc_dokumentu=''; //tu jest pusta - musisz sobie jakkolwiek wczytać
 
 
$usun = array(
'/<!--.*?-->/is',
'//*.*?*//is',
'/<script.*?</script>/is'
);
$text = preg_replace($usun, '', $tresc_dokumentu);
echo $text;
?>
[PHP] pobierz, plaintext

pozatym jeśli nie potrzebujesz ani jednego znacznika, wyróżnika, tylko czyściuteńki tekst to można bez formatowania go zwrócić jeszcze z body za pomocą mniej więcej takiej konstrukcji:

[PHP] pobierz, plaintext 
<?php
$file='http://pl.wikipedia.org/wiki/PHP';
$txt=file_get_contents($file);
$tresc =  new DOMDocument();
@$tresc->loadHTML($txt);
$txt=$tresc->getElementsByTagName('body')->item(0)->nodeValue;
$usun = array('/<!--.*?-->/is','//*.*?*//is','/<script.*?</script>/is');
$txt = preg_replace($usun, '', $txt);
echo '<pre>'.$txt.'</pre>';
?>
[PHP] pobierz, plaintext

To jest wersja lo-fi głównej zawartości. Aby zobaczyć pełną wersję z większą zawartością, obrazkami i formatowaniem proszę kliknij tutaj.