获取php中当前URL的文本内容

我正在处理URL获取内容

如果我只想从此站点获取文本内容（仅文本）

这怎么可能。我可以使用PHP获取URL标题和URL

我使用以下代码获得url标题：

$url = getenv('HTTP_REFERER');

$file = file($url);
$file = implode("",$file);

//$get_description = file_get_contents($url);

if(preg_match("/<title>(.+)<\/title>/i",$file,$m))
$get_title = $m[1];
echo $get_title;

$url=getenv（'HTTP_REFERER'）；
$file=文件（$url）；
$file=内爆（“，$file”）；
//$get\u description=文件\u get\u内容（$url）；
if（preg_匹配（“/（.+）/i”，$file，$m））
$get_title=$m[1]；
echo$get_标题；

你能帮我弄到内容吗

使用文件获取内容，我可以单独获取HTML代码。还有其他的可能性吗

谢谢-

---

Haan用于获取HTML内容，然后删除HTML标记，从而只留下文本。

如果您只想获取HTML页面的文本版本，则必须自己处理。获取HTML（正如您似乎已经知道的那样），然后使用PHP将其处理为纯文本

有几种方法可以做到这一点。第一个是htmlspecialchars（），它将转义所有HTML特殊字符。我不认为这是你真正想要的，但为了完整起见，我想我还是提一下

第二种方法是strip_tags（）。这将从HTML文档中完全删除所有HTML。然而，它并不验证它使用的输入，它只是做一个相当简单的文本替换。这意味着您将得到一些您可能不希望包含在文本表示中的内容（例如head部分的内容，或者嵌入式javascript和样式表的内部）

另一种方法是使用DOMDocument解析下载的HTML。我没有为您编写代码（没有时间），但一般过程类似于以下内容：

将HTML加载到DOMDocument对象中

获取文档的body元素并迭代其子元素

对于每个子节点，如果所涉及的子节点是文本节点，则将其附加到输出字符串。如果它不是文本节点，那么也迭代它的子元素以检查它的子元素是否是文本节点（如果不是，那么也迭代那些子元素，以此类推）。您可能还想进一步检查节点的类型。例如，如果您不想在输出中嵌入javascript或css，那么可以检查标记类型是否为STYLE或SCRIPT，如果是则忽略它 上述描述最容易实现为递归函数（调用自身的函数）

最终结果应该是一个字符串，它只包含下载页面的文本内容，没有标记

---

编辑：忘记带标签了！我更新了我的答案，也提到了这一点。不过，我在回答中保留了我的DOMDocument方法，因为正如strip_标记的文档所述，它不验证标记及其处理，而DOMDocument尝试解析它（如果基于DOMDocument的文本提取得到很好的实现，它可能会更加健壮）

我将尝试最后一种方法。谢谢你宝贵的回答