Điều khiển từ xa và lấy tiêu đề phù hợp nhất hoặc mô tả cho hình ảnh với XPath

Question

Điều tôi đang làm là cơ bản giống như nút Tweet hoặc nút Chia sẻ/Thích Facebook, và đó là để xóa một trang và nhiều nhất tiêu đề có liên quan cho một phần dữ liệu. Ví dụ tốt nhất tôi có thể nghĩ đến là khi bạn đang ở trên trang đầu của một trang web có nhiều bài viết và bạn nhấp vào nút Thích trên Facebook. Sau đó nó sẽ nhận được thông tin thích hợp cho bài đăng tương đối với nút Like (gần nhất). Một số trang web có thẻ Open Graph, nhưng một số thì không và nó vẫn hoạt động.

Vì điều này được thực hiện từ xa, tôi chỉ có quyền kiểm soát dữ liệu mà tôi muốn nhắm mục tiêu. Trong trường hợp này dữ liệu là hình ảnh. Thay vì chỉ truy xuất <title> của trang, tôi đang tìm cách bằng cách nào đó đi ngang qua mái vòm ngược lại từ điểm bắt đầu của mỗi hình ảnh và tìm "tiêu đề" gần nhất. Vấn đề là không phải tất cả các tiêu đề đều xuất hiện trước một hình ảnh. Tuy nhiên, cơ hội của hình ảnh xảy ra sau khi tiêu đề trong trường hợp này có vẻ khá cao. Với điều đó đã nói, đó là hy vọng của tôi để làm cho nó hoạt động tốt cho gần như bất kỳ trang web.

Suy nghĩ:

• Tìm "container" của hình ảnh và sau đó sử dụng khối đầu tiên của văn bản.
• Tìm các khối văn bản trong các thành phần chứa các lớp nhất định ("mô tả", "tiêu đề") hoặc các phần tử (h1, h2, h3, h4).

sao lưu Title:

• Sử dụng mở Graph Thẻ
• Sử dụng chỉ là <title>
• Sử dụng thẻ ALT chỉ
• Sử dụng Tags META

Tóm tắt: Trích xuất hình ảnh không phải là vấn đề, đó là cách để có được các tiêu đề liên quan cho họ.

Câu hỏi: Bạn sẽ nhận được các tiêu đề liên quan cho từng hình ảnh như thế nào? Có lẽ sử dụng DomDocument hoặc XPath?

Answer 1

Cách tiếp cận của bạn có vẻ đủ tốt, tôi chỉ cung cấp một số thẻ/thuộc tính trọng số và lặp lại chúng với các truy vấn XPath cho đến khi tôi tìm thấy thứ gì đó thoát ra và nó không có giá trị. Một cái gì đó như:

i = 0 

while (//img[i][@src]) 
    if (//img[i][@alt]) 
    return alt 
    else if (//img[i][@description]) 
    return description 
    else if (//img[i]/../p[0]) 
    return p 
    else 
    return (//title) 

    i++ 

---

Một ví dụ XPath đơn giản (chức năng ported from my framework):

function ph_DOM($html, $xpath = null) 
{ 
    if (is_object($html) === true) 
    { 
     if (isset($xpath) === true) 
     { 
      $html = $html->xpath($xpath); 
     } 

     return $html; 
    } 

    else if (is_string($html) === true) 
    { 
     $dom = new DOMDocument(); 

     if (libxml_use_internal_errors(true) === true) 
     { 
      libxml_clear_errors(); 
     } 

     if ($dom->loadHTML(ph()->Text->Unicode->mb_html_entities($html)) === true) 
     { 
      return ph_DOM(simplexml_import_dom($dom), $xpath); 
     } 
    } 

    return false; 
} 

Và việc sử dụng thực tế:

$html = file_get_contents('http://en.wikipedia.org/wiki/Photography'); 

print_r(ph_DOM($html, '//img')); // gets all images 
print_r(ph_DOM($html, '//img[@src]')); // gets all images that have a src 
print_r(ph_DOM($html, '//img[@src]/..')); // gets all images that have a src and their parent element 
print_r(ph_DOM($html, '//img[@src]/../..')); // and so on... 
print_r(ph_DOM($html, '//title')); // get the title of the page