使用 DOM 抓取网站的标题 [重复]答案

【问题标题】：Grabbing title of a website using DOM [duplicate]使用 DOM 抓取网站的标题 [重复]
【发布时间】：2011-08-17 17:10:25
【问题描述】：

可能的重复：
Get title of website via link
How do I extract title of a website?

如何使用 PHP DOM 抓取网站的标题？（使用 PHP 获取它的最佳方式是什么？）

【问题讨论】：

标签： php html dom

【解决方案1】：

您可以使用 getElementByTagName()，因为从技术上讲，您的 html 中只有一个标题属性，因此您可以抓住在 DOM 中遇到的第一个属性。

$title = '';
$dom = new DOMDocument();

if($dom->loadHTMLFile($urlpage)) {
    $list = $dom->getElementsByTagName("title");
    if ($list->length > 0) {
        $title = $list->item(0)->textContent;
    }
}

【讨论】：

领先我 10 秒，并举了一个稍微好一点的例子。删除了我的答案:)
@Erik 干杯。不幸的是，SO 有时感觉就像一场比赛。

【解决方案2】：

抑制因不正确的 HTML 或缺少元素而导致的任何解析错误：

<?

$doc = new DOMDocument();
@$doc->loadHTML(@file_get_contents("http://www.washingtonpost.com"));

// find the title
$titlelist = $doc->getElementsByTagName("title");
if($titlelist->length > 0){
  echo $titlelist->item(0)->nodeValue;
 }

【讨论】：

loadHTMLFile 已经合并了 file_get_contents 并且不会在格式错误的 HTML 上给出错误，因此它产生的任何错误都是有价值的。 loadHTML 也不会在格式错误的 HTML 上给出错误。
好吧，当我现在使用$doc->loadHTMLFile("http://www.washingtonpost.com"); 时，我收到一堆错误，上面写着 Warning: DOMDocument::loadHTMLFile() [domdocument.loadhtmlfile]: htmlParseEntityRef: expecting ';'在washingtonpost.com 中，第 5 行的 /var/www/test/test2.php 中的第 52 行。也许是我的 PHP 版本，但是...
你的权利 - 我很抱歉。我记得它会解析它，但它确实显示警告。但是，@ 抑制方法仍然是一个不好的选择。你最好设置libxml_use_internal_errors(true);，这样你就可以在需要/需要时访问错误数据
要点：这又快又脏。使用错误抑制有点懒惰，我不知道它在后台使用 libxml。