PHP的HTML文本提取

Question

目前市面上有很多用于提取HTML文本的工具，主要是针对Java或Python开发的。我经常遇到的一个是boilerpipe。有一些API也可用，而且有些看起来效果不错。但是，有没有人知道PHP中是否有类似的工具呢？

- Bill

---

定义“HTML文本提取”。您是否正在寻找DOM？ - DaveRandom

不，就像你知道的，在IOS上他们有“阅读器”，它会去掉网站上的所有垃圾，比如广告、导航等，只显示内容，这样阅读起来更容易。这就是我的意思。 - Bill

Answer 1

你可以尝试使用phpQuery：

http://code.google.com/p/phpquery/

- Austin

Answer 2

DomDocument 是 PHP 中的一个类，如果您有 libxml 支持，它可以解析 HTML 文档并让您迭代它们或发出 XPath 查询以查找 DOM 树中的特定节点。这是理想的方法。

或者，如果文本足够简单且统一，您可以使用 preg_match() 使用 正则表达式 从数据中提取文本。

- drew010

---

哦，你在这里冒险了。你知道的，如果你建议那个（你知道我在说什么），你会被批判的。一个标准链接要多久才会出现呢？ - DaveRandom

@DaveRandom :) 是的，我知道你的意思。我尝试在这种情况下保持务实，因为有时它可能同样有效。 - drew010