如何从任何网页只提取主要内容？ （没有页脚，菜单栏，导航栏，页脚，侧栏，面包屑）

Question

我使用此代码提取了全身内容。 但我不知道要删除导航栏，页脚，侧栏，breadcrumb。 任何人都可以建议我如何做到这一点？

foreach($dom->getElementsByTagName("body")->item(0)->childNodes as $child) { 
$bodycontent .= $dom->saveHTML($child); } 

Answer 1

您可以使用类似readability，这是在许多语言中实现：

• https://github.com/j0k3r/php-readability
• https://pypi.python.org/pypi/readability-lxml