如果无法将页面的 <title> 标记的内容解析为 XML，如何获取它？答案

【问题标题】：How can I get page's <title> tag's content if it can't be parsed as XML?如果无法将页面的 <title> 标记的内容解析为 XML，如何获取它？
【发布时间】：2010-06-28 19:25:48
【问题描述】：

我正在使用 PHP libcurl 加载页面。现在我需要获取这个页面的

标签的内容，以及一些其他的信息。我尝试使用 SimpleXML 解析它，但没有运气，因为该页面不是有效的 XML。你能建议一些其他方法来轻松获取 <title> 标签的内容吗？谢谢。

【问题讨论】：

标签： php html xml curl libcurl

【解决方案1】：

您可以使用DOMDocument::loadHTML。

这将回显“标题”：

<?php

$doc = <<<HTML
<html>
<head>
<title>The title</title>
<body>
hhhhhh
HTML;

libxml_use_internal_errors(true);
$d = new DOMDocument;
$d->loadHTML($doc);
$ts = $d->getElementsByTagName("title");
if ($ts->length > 0) {
    echo $ts->item(0)->textContent;
}

【讨论】：

它有效，但我收到很多错误，例如：peeep.us/31a386c6。你能帮我避免出现这么多错误吗？
糟糕，抱歉，链接错误！这是正确的：clip2net.com/clip/m24988/1277753812-clip-102kb.png
@pop See php.net/manual/en/function.libxml-use-internal-errors.php 我在示例中添加了对该函数的调用。

【解决方案2】：

或者你可以使用Simple HTML DOM

【讨论】：

【解决方案3】：

您可以使用此脚本来获取页面的标题。

# Script Title.txt
var str page, content
cat $page > $content
stex -r -c "^<title&</title&\>^" $content

将此小代码保存在文件 C:/Scripts/Title.txt 中。代码在双脚本中。开始biterscripting，然后输入这个命令。

script "C:/Scripts/Title.txt" page("http://stackoverflow.com/questions/3135488/how-can-i-get-pages-title-tags-content-if-it-cant-be-parsed-as-xml")

它将获得此页面的标题（您正在查看的那个）。使用任何其他 URL 或本地文件路径作为 page() 的值。使用双引号。当我执行这个命令时，我得到了

如何获取页面的
标签的内容，如果它不能解析为 XML？ - 堆溢出

您可以从任何可执行文件或批处理文件中调用此脚本。

【讨论】：

【解决方案4】：

尝试使用 Yahoo 的 YQL 控制台。您可以查询几乎任何 url，然后以 XML 格式要求返回结果。您甚至可以添加 xpath 来缩小范围。

http://developer.yahoo.com/yql/console/

也许您可以使用 curl 调用此服务。这很方便。

【讨论】：