在 PHP 中的当前页面上抓取 H1 元素答案

【问题标题】：Scrape an H1 element on the current page in PHP在 PHP 中的当前页面上抓取 H1 元素
【发布时间】：2015-06-23 12:35:48
【问题描述】：

我目前正在使用 Wordpress。我有一个钩子，它在 <title> 属性填充用户在仪表板中输入的文本之前运行。

现在我想将每个页面的默认标题设置为等于当前页面上的<h1> 属性文本值。我正在使用的钩子的回调函数片段如下所示：

if (!$seoTitle) {
    $seoTitle = '<....>';
}

return $seoTitle;

我希望 seoTitle 在当前页面上默认为 <h1> 元素文本。可行吗？我怎样才能做到这一点？

【问题讨论】：

标签： php wordpress web-scraping

【解决方案1】：

我不完全确定您是如何获得 HTML 的，但您可以使用内置的 DOM 解析器对其进行解析。

<?php

$html = "<!DOCTYPE html>
<html>
<head>
<title>Page Title</title>
</head>
<body>

<h1>This is a Heading one</h1>
<p>This is a paragraph.</p>
<h1>This is a Heading two</h1>
<p>This is a paragraph.</p>
<h1>This is a Heading three</h1>
<p><a href='testwww'> This is a paragraph.</a></p>


</body>
</html>";

$dom = new DOMDocument();
$dom->loadHTML($html);

//If you want to get it from a website you could do the following:
//$dom->loadHTML(file_get_contents('http://www.w3schools.com/'));

// iterate through the html to get all h1 text
foreach($dom->getElementsByTagName('h1') as $heading) {
    $h1 = $heading->nodeValue;
    echo $h1 . "<br>";
}

?>

【讨论】：

当然，这是要走的路。但是，正如我在其他 cmets 中所指出的，我想在呈现页面后使用 PHP 更改页面的 <title> 属性 - 这是不可能的。谢谢！

【解决方案2】：

假设您的 HTML 内容包含在一个变量中并在页面完全加载后执行此操作，请查看以下示例：

<?php
$htmlContent = '<html><body><h1>HELLO</h1></body></html>'; // change this to what you need
$seoTitle = preg_replace('/(.*)<h1>([^>]*)<\/h1>(.*)/is', '$2', $htmlContent);
echo $seoTitle; // will output: HELLO
?>

【讨论】：

【解决方案3】：

echo "<h1>".(string)$seoTitle."</h1>";

应该可以。您也可以跳出 php ?>，然后键入常规 html，然后在您想回显变量时跳入。

【讨论】：

我需要从 DOM 中删除当前页面中的 h1 元素。然后将此值分配给$seoTitle，而不是反过来。
你想从 DOM 获得它？例如，您可以使用：simplehtmldom.sourceforge.net，但除此之外，您还不清楚您想用这个实现什么。听起来像是在渲染 DOM 之前你想做的事情。
@tvgemert，实际上，我错了。我真的需要在加载 DOM 之前获取H1，所以从 DOM 中抓取它是没有意义的。我可能应该查询数据库或从其他来源获取值，例如查询变量是否包含我要查找的内容。