通过URL抓取网页的TITLE，有些网站抓不到，方法愚笨，求指点。
程序员文章站
2022-06-08 18:35:09
...
本帖最后由 u012716911 于 2013-11-04 11:25:29 编辑
有些网站可以抓到，如百度，有些网站就抓不到，比如太平洋汽车的首页。
([\s\S]*?) <p class="sougouAnswer"> 问题出在正则匹配那里，你加个 s 修正符就好了 <br> if(preg_match("/</p>
<title>(.*?)/is",$content_source,$title)) <br><br> s 如果设定了此修正符，模式中的圆点元字符（.） 匹配所有的字符，包括换行符。没有此设定的话，则不包括换行符。 <p class="sougouAnswer"> 正则修饰符 </p> <p class="sougouAnswer"> 问题出在正则匹配那里，你加个 s 修正符就好了 <br> if(preg_match("/</p>
<title>(.*?)/is",$content_source,$title)) <br><br> s 如果设定了此修正符，模式中的圆点元字符（.） 匹配所有的字符，包括换行符。没有此设定的话，则不包括换行符。 <br> 非常感谢
curl 抓取 标题
代码是我自己这样想着写的，不知道还有没有更好的方法。请各位给些指点有些网站可以抓到，如百度，有些网站就抓不到，比如太平洋汽车的首页。
public function set_title() { // 获取进来URL $url = $_POST['url']; // $url = "www.pcauto.com.cn"; 抓不到！ //一连串的curl设置 $ch = curl_init(); curl_setopt($ch,CURLOPT_URL,$url); curl_setopt($ch,CURLOPT_HEADER,0); curl_setopt($ch,CURLOPT_ENCODING,'gzip'); curl_setopt($ch,CURLOPT_RETURNTRANSFER,1); $content_source = curl_exec($ch); curl_close($ch); //获取抓到内容的编码格式 $encode = mb_detect_encoding($content_source, array('GB2312','GBK','UTF-8','ASCII')); //转码 $content_source = iconv($encode, 'utf-8//IGNORE',$content_source); //截取 if(preg_match("/<title>(.*?)/i",$content_source,$title)) { echo $title[1]; } else { echo '拉取标题失败'; } }
回复讨论(解决方案)