Skip to main content
6 de 6
adicionou 348 caracteres ao conteúdo
Wallace Vizerra
  • 107,4mil
  • 106
  • 440
  • 920

#Não seria melhor usar DomDocument?

Na minha humilde opinião, qualquer recurso que já exista para resolver um problema, esse deve ser o escolhido. Creio que usar expressões regulares para casos como o seu vai dar muito trabalho.

Então eu recomendo a utilização de DomDocument, que tem como finalidade representar uma entidade HTML ou XML.

Veja um exemplo de como poderia ser feito:

$content = 
 file_get_contents("https://pt.wikipedia.org/wiki/Conserva%C3%A7%C3%A3o_da_natureza")

$doc = new DOMDocument();

@$doc->loadHTML($content);


$titleTag = $doc->getElementsByTagName('title')->item(0);

// Pega o título da página

$title = $titleTag ? $titleTag->nodeValue : null;

// Pega o valor da div#content, porém somente texto

$body = $doc->getElementById('content')->nodeValue;

Observe que o método nodeValue retornará somente o texto, removendo assim todas as tags presentes dentro de #content.

Se for necessário obter o texto com as tags, use o método saveXml para resolver o problema:

 $bodyWithTags = $doc->saveXml($doc->getElementById('content'));

#Atualização

Se você deseja uma maneira reutilizável de pegar somente o título da página, você pode criar uma função:

/**
 * Obtém o título da tag <title> de uma url
 * 
 * @param string $url
 * @return string|null
 * */
function  url_get_title($url) {

    $content = file_get_contents($url);

    $doc = new DOMDocument();
        
    @$doc->loadHTML($content);

    $titleTag = $doc->getElementsByTagName('title')->item(0);

    if ($titleTag) {
        return $titleTag->nodeValue;
    }

    return null;
}

Sendo assim, quando quisesse obter o título da página, bastaria fazer assim:

url_get_title('http://www.google.com.br'); // string (Google)

OBSERVAÇÃO: Sempre que você for usar file_get_contents para capturar o conteúdo de uma url, lembre-se que você sempre é obrigado a informar o esquema da mesma (http ou https). Se não fizer isso, o PHP vai tentar abrir o caminho de um arquivo. Mesmo sendo uma requisição feita para o próprio domínio é necessário incluir o esquema.

Wallace Vizerra
  • 107,4mil
  • 106
  • 440
  • 920