Para fazer isso você vai precisar inevitavelmente fazer um parsing do HTML da página. Você vai precisar usar um DOM parser para fazer isso.
O que o DOM Parser vai fazer é pegar o HTML que você baixou e transformar ele em um objeto DOM no qual você pode navegar e pegar as informações que você precisa.
Eu particularmente já fiz alguns projetos deste tipo, e os maiores problemas que você vai encontrar são basicamente dois:
1) Cada site (e as vezes diferentes sessões ou matérias do mesmo site) tem uma estrutura HTML diferente, fazendo com que você tenha que fazer diferentes mapas dom para cada sessão / site.
2) Os HTMLs dos sites (mesmo dos grandes como UOL, terra) têm htmls mal formatados, com erros. Isso pode eventualmente dar erro na hora de fazer o parse do dom, o que vai complicar sua vida.
O segredo é buscar um parser que faça um pré-processamento do html para corrigir erros, ou que seja tolerante aos erros.
Na última vez que trabalhei um projeto destes, fiz um robozinho com java, pois tem uma biblioteca pronta em Java que é perfeita para isso, que você consegue buscar os dados no HTML como se fosse o jquery. É muito legal!
https://jsoup.org/
Abraço e boa sorte!
php
, através docurl
oufile_get_content
funciona