V2EX = way to explore V2EX 是一个关于分享和探索的地方
Sign Up Now For Existing Member Sign In
This topic created in 4379 days ago, the information mentioned may be changed or developed.
StackOverflow上找了一大圈,这个似乎是最靠谱的,但有点不符国情
function getPageTitle($url){
$doc = new DOMDocument();
@$doc->loadHTMLFile($url);
$xpath = new DOMXPath($doc);
return $xpath->query('//title')->item(0)->nodeValue;
}
大部分网站的title都可以抓到
有一部分会乱码,比如淘宝(因为charset是gbk的缘故?),除了英文字符外汉字全是乱码
有什么解决办法吗?
function getPageTitle($url){
$doc = new DOMDocument();
@$doc->loadHTMLFile($url);
$xpath = new DOMXPath($doc);
return $xpath->query('//title')->item(0)->nodeValue;
}
大部分网站的title都可以抓到
有一部分会乱码,比如淘宝(因为charset是gbk的缘故?),除了英文字符外汉字全是乱码
有什么解决办法吗?
 | 1 tension May 7, 2014 转码！ |
 | 2 catfan May 7, 2014 mb_convert_encoding($title, 'UTF-8') |
 | 3 Actrace May 7, 2014 mb_convert_encoding实际上不是一个比较好的方案。 |
 | 4 alex321 May 7, 2014 检测一下编码，然后尝试对应转换，不要直接用 mb_convert_encoding。 |
 | 5 kamal May 7, 2014 检测网页内容编码，然后转码，不要只检测head声明的编码。 有可能head声明编码与内容实际编码不一致。 |
 | 6 shiny PRO  1 应该尽量模拟浏览器的识别： 1、识别 header 中的 content_type 附带的 charset 设置 2、如果没有，识别 meta 中的编码声明 3、html 里的 head 后面增加一个编码的声明，方便 DOMDocument 识别。 通过这些操作后，title 乱码的情况基本消灭。 代码在这里 https://github.com/shiny/PandaOpenNode/blob/master/upload/title.php |
| 8 shiny PRO @gangsta 试了下是可以抓的，你可以在 http://baidu.pandaidea.com/ 测试标题有没有正常抓取到，代码就是 github 上的。 |
| 10 shiny PRO @gangsta 没被墙吧。 这样，我做了个最小化的例子 你说的店铺首页应该就是一个店的首页吧？ http://monitor.shiguanglu.com/demo/?url=http%3A%2F%2Fhztyhy.taobao.com |
Select Language