我这几天看了下织梦收罗侠的源码，发明有许多成熟的技能，好比这个收罗网站文章的题目，源码一会再上，先做简朴表明：
首先，许多人会一直会认为这不是很简朴，就是<title>标签中的内容嘛，不是很容易获取吗？其实否则，许多的title部门不必然放文章的题目，许多的网站还插手了要害字，并且必然插手网站名。
如：“php收罗网站的title_php收罗_EnEnBa Blog”，对付一个收罗者来说此文章只需要“php收罗网站的title”就可以了，“_php收罗_EnEnBa Blog”部门不是我们想要的。要过渡掉。
尚有就是可以从文章的标题标签中找出来，如h1 h2 h3 等标签，许多建站者留意了这些标签的权重，很容易也写出正则获取。可是也有破例，人家没有写<h1>这些标签呢，此要领不合用所有网站。
织梦收罗侠就思量了以上的两种环境并写出了很完美的办理方案。
1、首先获取页面下的所有<title>和<h……>标签
2、比拟title 和 <h……>中的内容。假如一样的部门就返回<h……>中的内容
3、假如没有<h……>的内容，对title部门按支解符举办支解，常用的标题脱离有 “-”、“—”、“_”、“>”、“|” ，返回最长的字符串。
演示：
上源码吧，从收罗侠源码中提取的，留意编码为utf-8，
<?php /** * 收罗文章的题目 * @param string $html 需要收罗的html源代码 * @param int $maxlen 最大题目长度 * @return string */ function TT($html,$maxlen) { if (preg_match("/<title>(.*)<\/title>/isU", $html, $t)) { if (preg_match_all("/<h([1-3])(?:[^>]*)>(.*)<\/h\\1>/isU", $html, $ts)) { foreach($ts[2] as $vt) { if (strpos($t[1], $vt) !== false) return $vt; } } $t[1] = str_replace(array('-', '—', '_', '>'), '|', $t[1]); $splits = explode('|', $t[1]); $l = 0; foreach ($splits as $tp) { $len = strlen($tp); if ($l < $len) { $l = $len; $tt = $tp; } } $tt = trim(str_replace('"', '＂', cn_substr(html2text($tt), $maxlen))); return $tt; } return false; } /** * HTML转换为文本 * * @param string $str 需要转换的字符串 * @param string $r 假如$r=0直接返回内容,不然需要利用反斜线引用字符串 * @return string */ function html2text($str,$r=0) { $str = preg_replace("/<sty(.*)\\/style>|<scr(.*)\\/script>|<!--(.*)-->/isU", "", $str); $alltext = ""; $start = 1; for($i = 0;$i < strlen($str);$i++) { if ($start == 0 && $str[$i] == ">") { $start = 1; } else if ($start == 1) { if ($str[$i] == "<") { $start = 0; $alltext .= " "; } else if (ord($str[$i]) > 31) { $alltext .= $str[$i]; } } } $alltext = str_replace(" ", " ", $alltext); $alltext = preg_replace("/&([^;&]*)(;|&)/", "", $alltext); $alltext = preg_replace("/[ ]+/s", " ", $alltext); if($r==0){ return $alltext; }else { $r = SpHtml2Text(stripslashes($alltext)); return addslashes($r); } } /** * utf-8中文截取，单字节截取模式 * * @access public * @param string $str 需要截取的字符串 * @param int $slen 截取的长度 * @param int $startdd 开始标志处 * @return string */ function cn_substr($str, $length, $start = 0) { if (strlen($str) < $start + 1) { return ''; } preg_match_all("/./su", $str, $ar); $str = ''; $tstr = ''; for($i = 0; isset($ar[0][$i]); $i++) { if (strlen($tstr) < $start) { $tstr .= $ar[0][$i]; } else { if (strlen($str) < $length + strlen($ar[0][$i])) { $str .= $ar[0][$i]; } else { break; } } } return $str; } ?>测试利用：
<?php //以下为测试内容 $url = 'http://enenba.com/?post=85'; $httptype = function_exists('curl_init'); if (!$httptype) { $html = file_get_contents($url); } else { $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_HEADER, 1); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); $html = curl_exec($ch); if ($html === false) echo "cURL Error: " . curl_error($ch); } $r = TT($html,120); //输出 if($r){ echo '此文章的题目为：《'.$r.'》'; }else{ echo '无信息'; } ?>phpcms收罗侠有精简版：
function cjx_gettt($str){ if(preg_match("/<title>(.*)<\/title>/isU", $str, $t)){ if(preg_match_all("/<h([1-3])>(.*)<\/h\\1>/isU", $str, $ts)) foreach($ts[2] as $vt) if(strpos($t[1],$vt)!==false) return $vt; $t[1] = str_replace(array('-','—','|'),'_',$t[1]); $splits = explode('_', $t[1]); $l = 0; foreach ($splits as $tp){ $len = strlen($tp); if ($l < $len){$l = $len;$tt = $tp;} } $tt = trim(htmlspecialchars($tt)); if(strlen($tt)>20) return $tt; } return false; }本站原创内容，转载保存出处：?post=228