只获取网站的相关部分

Evernote's Web Clipper plugin或Announcify plugin如何获取页面的相关文章/帖子/内容部分？下面是Evernote的插件的截图：只获取网站的相关部分

enter image description here

无论哪个网站您访问的是其他布局怀斯兄弟完全不同，这些总是能够让你的文章/后/内容页面的一部分。

每个网站都有不同的布局，一些有侧边栏，有的没有，不同的标签，主/条/内容的一部分，HTML5其他的一些使用<article>或<section>使用<h1> > <p>，一些使用<h2> > <p>和别人不使用在所有。所以有不同的标签组合和网站布局。

任何人都可以提出一个解决方案获得主文章/帖子/内容请通过Javascript或PHP？

2012-02-09 Dev555

这很聪明... – Jivings 2012-02-09 08:53:37

也许它寻找页面上最大的'div'或其他元素？ – Jivings 2012-02-09 08:54:50

@Jivings：最大的div将包含整个网站，我们希望能够找到包含主要/文章部分的元素:) – Dev555 2012-02-09 08:57:58

你可以做一个简单的DOM解析和搜索<div> S和<p>小号含有更多的文字（文字！不是HTML代码！）。但是，无论您选择哪种智能方法来确定内容的位置，您应该从DOM解析开始，让我们来看看解析PHP库的DOM。

无论如何，你可以从这个开始：

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

看起来相当不错，如果你想写你自己的东西给人的技术说明。

2012-02-09 09:09:42

这是一个可怕的解决方案。但可能是最好的。 – Jivings 2012-02-09 09:28:10

@Jivings为什么可怕？ – 2012-02-09 09:30:58

因为DOM解析让我不寒而栗。但是你的链接似乎很有趣。 – Jivings 2012-02-09 09:32:58

大多数博客引擎都会给该div一个“内容”标识。

2012-02-10 00:24:39 pguardiario

回答