Copier du texte à partir d'une page web

Disons que nous avons un site internet speedywap.com

Quand j'ouvre le site dans mon navigateur, puis j'ai copier la page dans le presse-papiers et quand je colle dans mon bloc-notes (windows) seul le texte reste. Tout le code est supprimée sauf pour le texte qui a été dans les liens etc (j'.e affiché sur l'écran).

Je veux faire quelque chose de similaire avec php parce que je suis en train de créer un analyseur de densité des mots clés. Si je veux quelque chose qui est en mesure de conserver le texte à partir d'une page web qui s'affiche sur l'écran.

Mon serveur est en cours d'exécution d'apache, php, centos et mysql

OriginalL'auteur Speedy Wap | 2010-12-27

  1. 5
    <?php
$content = file_get_contents('http://speedywap.com');
echo $content;
?>

    vous pouvez utiliser strip_tags à la bande des balises à partir d'elle, alors vous êtes juste à gauche avec le texte.

    OriginalL'auteur Vishvadeep

  2. 2

    Pour un très naïf de démarrage, vous pouvez utiliser ceci:

    <?php

echo strip_tags(file_get_contents('http://speedywap.com'));

?>
    Je ne veux que le texte de rester... je sais comment obtenir du contenu et de la bande d'étiquettes. Ce que je cherche, c'est un peu de code pour supprimer toutes les entités html, balises, etc ... et puis il suffit de garder le texte tel qu'il est indiqué sur la page(qui inclut du contenu dynamique créée par javascript, ajax, etc) Mais merci pour votre aide.
    Obtenir le "texte" de l'arbitraire à l'Url tel qu'il apparaît après que javascript a été exécutée est très, très difficile avec la matière première PHP. J'ai dit "arbitraire Url" parce que vous devez parler d'autres sites aussi - à la seule différence que je peux voir entre speedywap.com avec et sans javascript est les annonces disparaissent sans JS. Toutefois, si vous êtes à la construction d'un "analyseur de densité des mots clés", vous ne devriez pas vous soucier de contenu via AJAX, comme les moteurs de recherche ne peuvent pas le voir.
    mais il y a des sites comme facebook etc, où c'est le contenu essentiel.
    Vous avez besoin pour le rendre plus clair ce que vous essayez de le faire; vous avez besoin de s'étendre sur ce que vous pensez d'un "analyseur de densité des mots clés". Si vous voulez "analyser" facebook pages (posts, commentaires), c'est totalement différent à faire pour arbitraire sites sur l'internet. Facebook a un API, par exemple.
    Que ce soit clair: si vous le faites à partir d'un point de vue RÉFÉRENCEMENT, le contenu qui est derrière l'AJAX n'est pas pertinent parce que les moteurs de recherche (Google) ne peut pas le voir (sauf si le site est à l'aide de ceci).

    OriginalL'auteur thirtydot

  3. 1
    function curl($url){
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL,$url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);
    return curl_exec($ch);
    curl_close ($ch);
}

$html = curl('http://speedywap.com');

    cURL est plusieurs fois plus rapide que la pratique de l'excision.
    Vous pouvez utiliser strip_tags mais ce n'est pas pour rien garantir, le seul moyen est d'analyser manuellement la page, à l'aide de str_replace, preg_replace etc.

    C'est ce que vous obtenez en utilisant strip_tags :
    http://pokit.etf.ba/get/47a07bd62ea42dd3d447f060c01ccfb5.png

    OriginalL'auteur Dejan Marjanovic

  5. 0

    Utiliser file_get_contents ou curl, si vous voulez obtenir la fantaisie.

    <?php
$content = file_get_contents('http://speedywap.com');
echo $content; //or analyze, or whatever

    OriginalL'auteur phihag

  6. 0

    Vous pouvez utiliser file_get_contents('http://www.speedywap.com/'); pour obtenir le code source de la page, puis l'utilisation de certains filtres/expressions régulières pour obtenir le texte dont vous avez besoin.

    OriginalL'auteur Mironor

  7. 0

    Vous pouvez également utiliser strip_tags: http://php.net/manual/en/function.strip-tags.php

    OriginalL'auteur Brian Clapper