从网页中提取“最佳”图像的技巧

Question

9

我正在尝试为我的网站构建类似于Facebook“分享”功能的东西。

我已经能够接受URL，抓取元关键字，并适当地获取标题/描述，但我有点困惑如何确定用户可能想要分享的'可能'照片。

我目前使用SimpleXMLElement将页面转换为可遍历的DOM，并查找所有标签，将它们转换为绝对URL。之后，我不确定如何找到合适的缩略图。

我是否需要下载它们全部并按文件大小进行排序？我是否需要使用某种启发式方法，例如“在页面中间遇到”？

还有其他人有什么建议、建议或技巧吗？

- Eddie Parker

2个回答

3

我没有直接做过这个，所以不确定是否有任何具体的最佳做法，但总体而言，我认为启发式方法看几个因素会是有意义的，因为网站实现中存在的可变性。

我会查看两组项目：图像属性和放置图像的位置/方式的上下文。

图像属性：

图像上下文：

我会对前面的项目进行加权，然后根据每个图像满足规则的程度对找到的图像进行排名。

另外，请注意，有些页面可能使用CSS（或Flash等）来显示图像。这些超出您定义的算法范围之外的图像；也许不是很重要，但需要考虑。

- mcliedtk

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- nathanchere · Accepted Answer

我之前写过一个类似的东西，从爬取的博客文章中获取图像。我的选择标准是获取页面上所有图片的列表，然后分配“优先级点数”：

然后选取具有最高优先级点数的那个。这当然不是万无一失或过于科学化，但它比不做任何事情要更常获得有用结果。