只獲取網站的相關部分

Evernote's Web Clipper plugin或Announcify plugin如何獲取頁面的相關文章/帖子/內容部分？下面是Evernote的插件的截圖：只獲取網站的相關部分

enter image description here

無論哪個網站您訪問的是其他佈局懷斯兄弟完全不同，這些總是能夠讓你的文章/後/內容頁面的一部分。

每個網站都有不同的佈局，一些有側邊欄，有的沒有，不同的標籤，主/條/內容的一部分，HTML5其他的一些使用<article>或<section>使用<h1> > <p>，一些使用<h2> > <p>和別人不使用在所有。所以有不同的標籤組合和網站佈局。

任何人都可以提出一個解決方案獲得主文章/帖子/內容請通過Javascript或PHP？

2012-02-09 Dev555

這很聰明... – Jivings 2012-02-09 08:53:37

也許它尋找頁面上最大的'div'或其他元素？ – Jivings 2012-02-09 08:54:50

@Jivings：最大的div將包含整個網站，我們希望能夠找到包含主要/文章部分的元素:) – Dev555 2012-02-09 08:57:58

你可以做一個簡單的DOM解析和搜索<div> S和<p>小號含有更多的文字（文字！不是HTML代碼！）。但是，無論您選擇哪種智能方法來確定內容的位置，您應該從DOM解析開始，讓我們來看看解析PHP庫的DOM。

無論如何，你可以從這個開始：

http://w-shadow.com/blog/2008/01/25/extracting-the-main-content-from-a-webpage/

看起來相當不錯，如果你想寫你自己的東西給人的技術說明。

2012-02-09 09:09:42

這是一個可怕的解決方案。但可能是最好的。 – Jivings 2012-02-09 09:28:10

@Jivings爲什麼可怕？ – 2012-02-09 09:30:58

因爲DOM解析讓我不寒而慄。但是你的鏈接似乎很有趣。 – Jivings 2012-02-09 09:32:58

大多數博客引擎都會給該div一個「內容」標識。

2012-02-10 00:24:39 pguardiario

回答