ウェブサイトの関連部分のみを取得する

Question

Evernote's Web Clipper pluginまたはAnnouncify pluginはどのようにページの関連記事/記事/コンテンツの一部を取得しますか？ここではEvernoteのプラグインからのスクリーンショットです：

あなたが他のレイアウトwisesとは全く異なっている訪問のウェブサイトに関係なく、これらはいつもあなたの記事を取得することができます/ポスト/コンテンツは、ページの一部。

各ウェブサイトは、さまざまなレイアウトを持っている、いくつかは、サイドバーを持っている、いくつかは、異なるタグをない、メイン/記事/コンテンツ部分のために、HTML5の他のいくつかの使用<article>または<section>は<h1> > <p>を使用し、いくつかの使用<h2> > <p>などは使用しませんまったく。したがって、ウェブサイトのレイアウトだけでなく、タグのさまざまな組み合わせがあります。

誰でも解決策を提案することができますメイン記事/記事/コンテンツはJavascriptまたはPHP経由でお願いします。

Answer 1

あなたは、単純なDOM解析を行い、<div> sであり、より多くのテキスト含む<p> Sを検索することができます（テキスト！ないHTMLコードを！）。しかし、インテリジェントな方法に関係なく、コンテンツがどこにあるかを決めるには、DOMの解析から開始する必要があります。そのため、PHPライブラリを解析するDOMを見てみましょう。

とにかく、ここから起動することができます。

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

はかなりよさそうだ、とあなた自身の何かを書きたい場合は技術的な説明を提供します。

Answer 2

ほとんどのブログエンジンは、そのdivに 'content'というIDを与えます。あなたはちょうどあなたがのDOMDocument :: getElementByIdを（ 'コンテンツ'）を行うだろうPHPの$（ '＃コンテンツ'）

を行うだろうJavaScriptで

• 。