PHPで他のwebサイトのHTMLを取得したい

Question

phpを使って、いくつかのwebサイトのHTML内をキーワードで記事内容を取得して
欲しい部分だけを記録する処理を作ろうと思っています。
file_get_contentsと言う関数を使えばできそうなのですが
皆さんから注意点やおススメの方法はあるでしょうか？

Answer 1

file_get_content()やpreg_match()関数 を使えばできると思います。

例えば、こんな感じになります。

<? php
//webからHTMLを持ってきて、必要なキーワードを取得する
//取得するURLを設定します。
$url = "example.com";

//HTMLを取得します
$html = file_get_contents($url); 

//キーワードを設定
$keyword="hogehoge";

//HTMLの中から、欲しいワードを探す場合は、こんな感じにすると、$matchwordに結果が返ってきます。
preg_match_all("/".$keyword."/i", $html, $matchword);

//他にも、以下のように連想配列に格納する方法もあるようです。
$hogeDocument = new DOMDocument();
$hogeDocument->loadHTML($html);
$hogestr = $hogeDocument->saveXML();
$hogeobj = simplexml_load_string($hogestr);

//連想配列に格納します
$html_array = json_decode(json_encode($hogeobj), true);

//タイトルを抽出して出力
echo $html_array['head']['title'];

echo '<pre>';
var_dump($html_array);
echo '</pre>';

?>

XMLを取得する場合は、simplexml_load_stringと言う関数がありますので、以下を参考にしてみてください。
http://www.php.net/manual/ja/function.simplexml-load-string.php

その他にも、
使い方が違う拡張関数になりますが、以下のやり方も参考になるかもしれませんので、合わせて確認してみてください。
http://www.php.net/manual/ja/tidy.parsefile.php