按页面名称获取页面标题、摘录或内容 - PHP

在网页查询或爬虫开发中，经常需要按照页面的名称或URL获取页面的相关信息，如页面标题、摘录或内容。在PHP中，我们可以通过以下几个步骤实现这个功能：

步骤一：使用cURL库获取页面内容

PHP中有一个cURL库可以用于发起HTTP请求获取页面内容。我们可以使用以下代码来获取指定页面的HTML内容，并将其保存到一个变量中：

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$content = curl_exec($ch);
curl_close($ch);

其中，$url是指页面的URL地址，$content是指获取到的页面内容保存的变量。

步骤二：使用正则表达式匹配页面内容

获取到页面内容后，我们需要对其进行解析，以获取页面标题、摘录或内容等相关信息。在PHP中，可以使用正则表达式进行匹配。例如，以下正则表达式可以用于匹配页面标题：

preg_match('/<title>(.*?)<\/title>/i', $content, $matches);
$title = $matches[1];

该正则表达式使用了<title>和<\/title>两个标签将页面标题包裹起来，并使用.*?匹配任意字符。通过preg_match函数进行匹配，将页面标题保存到变量$title中。

类似地，我们可以使用不同的正则表达式来匹配页面的摘录或内容。

步骤三：使用markdown格式输出结果

为了让结果更加清晰易读，我们可以使用markdown格式将获取到的页面信息进行输出。例如，以下代码可以将获取到的页面标题、摘录和内容保存到一个markdown格式的字符串中：

$output = "# $title\n\n";
$output .= "## 摘录\n\n";
$output .= "$excerpt\n\n";
$output .= "## 内容\n\n";
$output .= "$content\n\n";

其中，第一行使用#表示一级标题，将页面标题保存到markdown字符串中。第三行和第六行分别使用##和###表示二级标题和三级标题，将页面的摘录和内容保存到markdown字符串中。最后的换行符\n\n用于表示两个段落之间的分隔。

步骤四：返回markdown格式的代码片段

最后，我们需要将全部代码段保存到一个PHP函数中，并将markdown格式的结果作为函数返回值。以下代码展示了整个函数的完整代码：

function get_page_info($url) {
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    $content = curl_exec($ch);
    curl_close($ch);

    // 获取页面标题
    preg_match('/<title>(.*?)<\/title>/i', $content, $matches);
    $title = $matches[1];

    // 获取页面摘录
    $excerpt = "这里是页面摘录";

    // 获取页面内容
    $content = "这里是页面内容";

    // 使用markdown格式输出结果
    $output = "# $title\n\n";
    $output .= "## 摘录\n\n";
    $output .= "$excerpt\n\n";
    $output .= "## 内容\n\n";
    $output .= "$content\n\n";

    // 返回markdown格式的代码片段
    return "```markdown\n$output\n```";
}

我们可以使用以下代码来调用该函数，并输出markdown格式的结果：

$url = "http://www.example.com";
$output = get_page_info($url);
echo $output;

输出结果应该类似以下格式：

# 页面标题

## 摘录

这里是页面摘录

## 内容

这里是页面内容