Abrufen von Titel- und Meta-Tags von einer externen Website

Ich möchte versuchen, herauszufinden, wie man die bekommt

<title>A common title</title>
<meta name="keywords" content="Keywords blabla" />
<meta name="description" content="This is the description" />

Obwohl es in beliebiger Reihenfolge angeordnet ist, habe ich vom PHP Simple HTML DOM Parser gehört, aber ich möchte es nicht wirklich verwenden. Ist eine Lösung möglich, außer den PHP Simple HTML DOM Parser zu verwenden?

preg_match nicht in der Lage sein, es zu tun, wenn es ungültiges HTML ist?

Kann cURL so etwas mit preg_match machen?

Facebook macht so etwas, aber es wird richtig verwendet, indem es Folgendes verwendet:

<meta property="og:description" content="Description blabla" />

Ich möchte so etwas, damit es möglich ist, wenn jemand einen Link postet, es sollte den Titel und die Meta-Tags abrufen. Wenn keine Meta-Tags vorhanden sind, werden sie ignoriert oder der Benutzer kann sie selbst festlegen (aber das mache ich später selbst).

So soll es sein:

function file_get_contents_curl($url)
{
    $ch = curl_init();

    curl_setopt($ch, CURLOPT_HEADER, 0);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);

    $data = curl_exec($ch);
    curl_close($ch);

    return $data;
}

$html = file_get_contents_curl("http://example.com/");

//parsing begins here:
$doc = new DOMDocument();
@$doc->loadHTML($html);
$nodes = $doc->getElementsByTagName('title');

//get and display what you need:
$title = $nodes->item(0)->nodeValue;

$metas = $doc->getElementsByTagName('meta');

for ($i = 0; $i < $metas->length; $i++)
{
    $meta = $metas->item($i);
    if($meta->getAttribute('name') == 'description')
        $description = $meta->getAttribute('content');
    if($meta->getAttribute('name') == 'keywords')
        $keywords = $meta->getAttribute('content');
}

echo "Title: $title". '<br/><br/>';
echo "Description: $description". '<br/><br/>';
echo "Keywords: $keywords";

<?php
// Assuming the above tags are at www.example.com
$tags = get_meta_tags('http://www.example.com/');

// Notice how the keys are all lowercase now, and
// how . was replaced by _ in the key.
echo $tags['author'];       // name
echo $tags['keywords'];     // php documentation
echo $tags['description'];  // a php manual
echo $tags['geo_position']; // 49.33;-86.59
?>

get_meta_tags wird Ihnen mit allem außer dem Titel helfen. Um den Titel zu erhalten, verwenden Sie einfach eine Regex.

$url="http://some.url.com";
preg_match("/<title>(.+)<\/title>/siU", file_get_contents($url), $matches);
$title = $matches[1];

Ich hoffe, das hilft.

get_meta_tags hat mit dem Titel nicht funktioniert.

Nur Meta-Tags mit Namensattributen wie

<meta name="description" content="the description">

wird geparst.

PHPs native Funktion: get_meta_tags()

http://php.net/manual/en/function.get-meta-tags.php

Leider erfordert die eingebaute PHP-Funktion get_meta_tags() den Namensparameter, und bestimmte Websites, wie z. B. Twitter, lassen dies zugunsten des Eigenschaftsattributs weg. Diese Funktion, die eine Mischung aus Regex und Dom-Dokument verwendet, gibt ein verschlüsseltes Array von Metatags von einer Webseite zurück. Es sucht nach dem Namensparameter und dann nach dem Eigenschaftsparameter. Dies wurde auf Instagram, Pinterest und Twitter getestet.

/**
 * Extract metatags from a webpage
 */
function extract_tags_from_url($url) {
  $tags = array();

  $ch = curl_init();
  curl_setopt($ch, CURLOPT_HEADER, 0);
  curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
  curl_setopt($ch, CURLOPT_URL, $url);
  curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);

  $contents = curl_exec($ch);
  curl_close($ch);

  if (empty($contents)) {
    return $tags;
  }

  if (preg_match_all('/<meta([^>]+)content="([^>]+)>/', $contents, $matches)) {
    $doc = new DOMDocument();
    $doc->loadHTML('<?xml encoding="utf-8" ?>' . implode($matches[0]));
    $tags = array();
    foreach($doc->getElementsByTagName('meta') as $metaTag) {
      if($metaTag->getAttribute('name') != "") {
        $tags[$metaTag->getAttribute('name')] = $metaTag->getAttribute('content');
      }
      elseif ($metaTag->getAttribute('property') != "") {
        $tags[$metaTag->getAttribute('property')] = $metaTag->getAttribute('content');
      }
    }
  }

  return $tags;
}

Sollten wir nicht OG verwenden?

Die gewählte Antwort ist gut, funktioniert aber nicht, wenn eine Site ist umgeleitet (sehr häufig!) und kehrt nicht zurück OG-Tagswelche sind der neue Industriestandard. Hier ist eine kleine Funktion, die 2018 etwas benutzerfreundlicher ist. Sie versucht, OG-Tags zu erhalten, und greift auf Meta-Tags zurück, wenn sie diese nicht erreichen:

function getSiteOG( $url, $specificTags=0 ){
    $doc = new DOMDocument();
    @$doc->loadHTML(file_get_contents($url));
    $res['title'] = $doc->getElementsByTagName('title')->item(0)->nodeValue;

    foreach ($doc->getElementsByTagName('meta') as $m){
        $tag = $m->getAttribute('name') ?: $m->getAttribute('property');
        if(in_array($tag,['description','keywords']) || strpos($tag,'og:')===0) $res[str_replace('og:','',$tag)] = $m->getAttribute('content');
    }
    return $specificTags? array_intersect_key( $res, array_flip($specificTags) ) : $res;
}

Wie man es benutzt:

/////////////
//SAMPLE USAGE:
print_r(getSiteOG("http://www.stackoverflow.com")); //note the incorrect url

/////////////
//OUTPUT:
Array
(
    Getting title and meta tags from external website => Stack Overflow - Where Developers Learn, Share, & Build Careers
    Getting title and meta tags from external website => Stack Overflow is the largest, most trusted online community for developers to learn, shareâ âtheir programming âknowledge, and build their careers.
    [type] => website
    [url] => https://stackoverflow.com/
    [site_name] => Stack Overflow
    [image] => https://cdn.sstatic.net/Sites/stackoverflow/img/[email protected]?v=73d79a89bded
)