質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

87.59%

テキストエリアなどからURLを抽出してデータを抽出したい(PHP)

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 1
  • VIEW 695

score 13

PHP Simple HTML DOM Parserを使ってサイトのタイトルなどを抽出できるものを制作しているのですが、URLを取得する方法がfile_get_htmlで指定してやる方法しか分からず、何か良い方法を良い方法を教えていただきたく質問させて頂きました。

テキキストボックスにURLを入力するとタイトルなどのメタデータが表示されるというものを制作したいです。
https://tech-unlimited.com/urltitle.html (URL to TITLE
URLからタイトルを取得します。複数一括処理もOK。)
具体的にはこのようなサイトを制作したいと考えております。

素人すぎて大変申し訳ございませんがアドバイスなどいただければ幸いです。

<?php
require_once 'simple_html_dom.php';
$html = new simple_html_dom();
$html = file_get_html("https://www.yahoo.co.jp/");
$title = $html->find("title", 0)->innertext;
$description = $html->find("meta[name='description']", 0)->content;
$keywords = $html->find("meta[name='keywords']", 0)->content;
?>

<input type="text" name="title" value="<?php echo htmlspecialchars($title, ENT_QUOTES); ?>">
<input type="text" name="description" value="<?php echo htmlspecialchars($description, ENT_QUOTES); ?>">
<input type="text" name="keywords" value="<?php echo htmlspecialchars($keywords, ENT_QUOTES); ?>">
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • m.ts10806

    2019/06/15 16:26

    コードはマークダウンのcode機能を利用してご提示ください。
    また「スクレイピング」という行為はグレー(もしくは黒)の部分が多く、
    許可なく勝手に情報を取得することを禁じている大手サイトも多いです。
    そのあたりは認識済みですか?
    技術上可能であってもルール(や倫理)上、限りなくNGに近い行為にあたります

    キャンセル

  • unozora

    2019/06/15 16:42

    ご連絡ありがとうございます。用語の使用の仕方が誤っていました。こちらの認識不足でした。大変参考になりました。ありがとうございます。

    キャンセル

回答 1

checkベストアンサー

0

外部URLのHTMLを取得する方法はいくつか方法があります。php.iniallow_url_fopenが有効になっている必要があります。

1.file_get_contents() を使用する
2.fopen(), fread(), stream_get_contents() を使用する
3.SplFileObject() を使用する

simple_html_domのソースを確認したところ、file_get_html()の中身はfile_get_contents() を使用してHTMLを取得しているようです。
https://github.com/dimabdc/PHP-Fast-Simple-HTML-DOM-Parser/blob/376785f306a6012b96f1e67e8be2bc182ba09939/lib/Document.php#L126

URLを取得する方法がfile_get_htmlで指定してやる方法しか分からず、何か良い方法を良い方法を教えていただきたく質問させて頂きました。

本件の質問の背景は、HTMLの取得時にメモリ不足が発生するということでしょうか?
ちょっとしたプログラムで、HTMLのメタ情報のみであればfile_get_html()でも問題ないと思います。

下記、PHPでの大容量ファイルにも対応している読込の方法の例です。
https://www.ibm.com/developerworks/jp/opensource/library/os-php-readfiles/index.html

上記の他にもphp 大容量ファイルなどのキーワードで検索するとたくさんコンテンツがでてきます。

どちらにしても、HTMLをXMLパーサーで読むことになるのですべてのHTML文字列が必要なわけです。
メモリ不足で、メタタグのみが必要なのであれば適当なところで切ってしまって、小さなHTMLファイルでパースする方法もあります。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.59%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る