Php 如何提取网页摘要？
我正在编写一个代码，从arxiv页面中提取摘要，例如页面，我感兴趣的是从“我们研究一个模型…”到“…compass Heisenberg模型”中提取文本。我的代码目前看起来像Php 如何提取网页摘要？,php,string,extract,Php,String,Extract,我正在编写一个代码，从arxiv页面中提取摘要，例如页面，我感兴趣的是从“我们研究一个模型…”到“…compass Heisenberg模型”中提取文本。我的代码目前看起来像 $url="http://arxiv.org/abs/1207.0102"; $options = array( 'http'=>array( 'method'=>"GET", 'header'=>"User-Agent: Mozilla/5.0 (Windows NT 6.1; Tr
$url="http://arxiv.org/abs/1207.0102";
$options = array(
'http'=>array(
'method'=>"GET",
'header'=>"User-Agent: Mozilla/5.0 (Windows NT 6.1; Trident/7.0; rv:11.0) like Gecko\r\n"
)
);
$context = stream_context_create($options);
$str = file_get_contents($url, false, $context);
if (preg_match('~<body[^>]*>(.*?)</body>~si', $str, $body))
{
echo $body[1];
}
$url=”http://arxiv.org/abs/1207.0102";
$options=array(
“http'=>数组(
'方法'=>“获取”，
'header'=>“用户代理：Mozilla/5.0（Windows NT 6.1；Trident/7.0；rv:11.0）像Gecko\r\n”
)
);
$context=stream\u context\u create（$options）；
$str=file\u get\u contents（$url，false，$context）；
if（preg_匹配（'~]*>（.*？~si'，$str，$body））
{
echo$body[1]；
}
问题是它提取了body标记中的所有内容。有没有一种方法可以只提取摘要？最好的选择是使用DOM解析器，php至少有一个内置的解析器，但也有很多类可以执行类似的操作 使用DOM文档可以执行以下操作：
<?php
$doc = new DOMDocument();
$doc->loadHTML("<html><body>Test<br></body></html>");
$text = $doc->getElementById("abstract");
?>