使用 PHP 获取页面标题的问题

Question

我在 PHP 中做了这个函数来获取页面的标题。我知道它可能看起来有点乱，但那是因为我是 PHP 的初学者。我之前在 if 中使用了preg_match("/<title>(.+)<\/title>/i",$returned_content,$m)，但它并没有像我预期的那样工作。

function get_page_title($url) {
    $returned_content = get_url_contents($url);
    $returned_content = str_replace("\n", "", $returned_content);
    $returned_content = str_replace("\r", "", $returned_content);
    $lower_rc = strtolower($returned_content);
    $pos1 = strpos($lower_rc, "<title>") + strlen("<title>");
    $pos2 = strpos($lower_rc, "</title>");
    if ($pos2 > $pos1)
        return substr($returned_content, $pos1, $pos2-$pos1);
    else
        return $url;
}

这是我尝试使用上面的函数获取以下页面的标题时得到的： http://www.google.com -> “302 已移动” http://www.facebook.com -> ""http://www.facebook.com" http://www.revistabula.com/posts/listas/100-links-para-clicar-antes-de-morrer -> “http://www.revistabula.com/posts/listas/100-links-para-clicar-antes-de-morrer” （当我在链接末尾添加 / 时，我可以成功获得标题：“100 links para clicar antes de morrer | Revista Bula”）

我的问题是： - 当我尝试访问 google.com 时，我知道 google 正在重定向到我所在国家/地区的镜像，但是如何获取它重定向到的页面的标题？ - 我的函数有什么问题导致它获得某些页面的标题，而不是其他页面的标题？

Answer 1

HTTP 客户端应遵循重定向。那个 302 状态码意味着你试图获取的内容不在那个位置，客户端应该按照 Location: 标头找出它在哪里。

这里有两个问题。第一个是不遵循重定向。如果你使用 cURL，你可以通过设置它来跟随重定向：

curl_setopt($ch, CURLOPT_FOLLOWLOCATION, TRUE);

查看这个问题以获得完整的解决方案：

Make curl follow redirects?

第二个问题是您正在使用 RegEx 解析 HTML。 Don't do that。请参阅此问题以获得更好的选择：

How do you parse and process HTML/XML in PHP?

Answer 2

为什么不尝试这样的事情呢？效果很好。

function get_page_title($url) 
{
        $source = file_get_contents($url);

        $results = preg_match("/<title>(.*)<\/title>/", $source, $title_matches);
        if (!$results) 
            return null; 

        //get the first match, this is the title 
        $title = $title_matches[1];
        return $title;
}