Отвечать
Ваш веб-адрес содержит специальные символы, которые должны быть закодированы URL.
Объяснение
Во-первых, предположение, что...
$og_entry_title
правильно и содержит заголовок страницы, так что здесь нет проблем
...неправильно.
Это название:
<meta property="og:title" content="تقرير استخباري اميركي: القاعدة تسيطر على غرب العراق | أخبار | DW.COM | 28.11.2006" />
не совпадает с этим заголовком:
<meta property="og:title" content="TOP STORIES | DW.COM" />
Во-вторых, большинство современных браузеров достаточно хороши, чтобы кодировать URL-адреса на лету и при этом отображать специальные символы в адресной строке.
Вы можете просмотреть заголовки ответов с веб-сервера для получения дополнительной информации.
<?php
$url = 'http://www.dw.com/ar/تقرير-استخباري-اميركي-القاعدة-تسيطر-على-غرب-العراق/a-2251369';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, "$url");
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt($ch, CURLOPT_VERBOSE, 1);
curl_setopt($ch, CURLOPT_HEADER, 1);
$response = curl_exec($ch);
// Then, after your curl_exec call:
$header_size = curl_getinfo($ch, CURLINFO_HEADER_SIZE);
echo '
header
------
'.substr($response, 0, $header_size);
Результаты показывают, что он не распознает связь между URL-адресом и этой страницей:
header
------
HTTP/1.1 301 Moved Permanently
Server: Apache-Coyote/1.1
Location: /
Content-Length: 0
Accept-Ranges: bytes
X-Varnish: 99639238
Date: Thu, 16 Jun 2016 15:42:51 GMT
Connection: keep-alive
Код ответа HTTP 301
— это уведомление о (постоянной) переадресации на другую страницу. Location: /
указывает, что вам следует просто перейти на главную страницу. Это обычная небрежная практика — просто отправлять кого-то на домашнюю страницу, когда они не знают, что с вами делать.
Curl по умолчанию не следует перенаправлениям, поэтому мы можем проверить заголовок ответа 301. Но file_get_contents
будет следовать перенаправлениям, поэтому вы получаете другой контент, чем ожидали. (С возможными исключениями: существует отчет об ошибке, где некоторые отмечают, что он не не всегда следуйте перенаправлениям.)
Обратите внимание, что на главной странице есть content
в og:description
:
<?php
echo file_get_contents('http://www.dw.com/ar/تقرير-استخباري-اميركي-القاعدة-تسيطر-على-غرب-العراق/a-2251369');
Результаты в этом выводе:
...
<meta property="og:description" content="News and analysis of the top international and European topics Current affairs and background information on poltics, business, science, culture, globalization and the environment. " />
...
<meta property="og:title" content="TOP STORIES | DW.COM" />
...
Решение
Первое, что вам нужно сделать, это rawurlencode
веб-адрес:
$url = rawurlencode($url);
Затем поймите, что имя rawurlencode
неудачно, потому что действительный URL будет содержать протокол HTML http://
или https://
и также может содержать косую черту для разделения частей. Это проблематично, потому что rawurlencode
преобразует двоеточие :
в %3A
, а косую черту /
в %2F
, что делает URL-адрес недействительным, например http%3A%2F%2Fwww.dw.com%2Far%2F...
. Он должен был называться rawurlencode_parts_of_URL
, но меня не спросили :) И процитирую Фила Карлтона в их защиту:
В компьютерных науках есть только две сложные вещи: аннулирование кеша и именование вещей.
Поэтому верните косую черту и двоеточие в исходную форму:
$url = str_replace('%3A',':',str_replace('%2F','/',$url));
Наконец, последнее, что вам нужно сделать, это отправить заголовок своим клиентам, чтобы сообщить им, какую кодировку шрифта ожидать.
header("content-type: text/html; charset=utf-8");
В противном случае ваши клиенты могут читать тарабарщину, которая может выглядеть что-то вроде этого:
تقرير استخباري اميركي: القاعدة تسيطر على غرب العراÙ
Конечный продукт
<?php
// let's see error output on screen while in development
// remove these lines for production, and use log files only
error_reporting(-1);
ini_set('display_errors', 'On');
$url = 'http://www.dw.com/ar/تقرير-استخباري-اميركي-القاعدة-تسيطر-على-غرب-العراق/a-2251369';
// URL encode special chars
$url = rawurlencode($url);
// fix colons and slashses for valid URL
$url = str_replace('%3A',':',str_replace('%2F','/',$url));
// make request
$webpage = file_get_contents($url);
$og_entry_title = "";
$og_entry_content = "";
$doc = new DOMDocument;
$doc->loadHTML($webpage);
$meta_tags = $doc->getElementsByTagName('meta');
foreach ($meta_tags as $meta_tag) {
if ($meta_tag->getAttribute('property') == 'og:title') {
$og_entry_title = $meta_tag->getAttribute('content');
}
if ($meta_tag->getAttribute('property') == 'og:description') {
$og_entry_content = $meta_tag->getAttribute('content');
}
}
// set the character set for the client
header("content-type: text/html; charset=utf-8");
// print the results
echo
'$og_entry_title: ' . $og_entry_title
.PHP_EOL.
'$og_entry_content: ' . $og_entry_content;
Результаты в этом выводе:
$og_entry_title: تقرير استخباري اميركي: القاعدة تسيطر على غرب العراق | أخبار | DW.COM | 28.11.2006
$og_entry_content:
Приложение
Если вы просматриваете свои журналы ошибок и вы на самом деле следует всегда просматривать журналы ошибок при разработке, тогда вы заметите множество предупреждений:
Warning: DOMDocument::loadHTML(): htmlParseStartTag: misplaced <html> tag in Entity, line: 4 in ...
Warning: DOMDocument::loadHTML(): htmlParseStartTag: misplaced <html> tag in Entity, line: 5 in ...
Warning: DOMDocument::loadHTML(): htmlParseStartTag: misplaced <html> tag in Entity, line: 6 in ...
Warning: DOMDocument::loadHTML(): htmlParseStartTag: misplaced <html> tag in Entity, line: 7 in ...
Warning: DOMDocument::loadHTML(): ID topMetaInner already defined in Entity, line: 300 in ...
Warning: DOMDocument::loadHTML(): ID langSelectTrigger already defined in Entity, line: 315 in ...
Warning: DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity, line: 546 in ...
Warning: DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity, line: 546 in ...
Warning: DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity, line: 548 in ...
Warning: DOMDocument::loadHTML(): htmlParseEntityRef: no name in Entity, line: 548 in ...
Это связано с тем, что вы пытаетесь использовать класс DOMDocument с в - действительный HTML и неправильно сформированные XML-документы. Но это тема для другого вопроса.
person
Jeff Puckett
schedule
16.06.2016
var_dump($og_entry_content);
получаетсяstring(0) ""
- person Jeff Puckett   schedule 15.06.2016get_meta_tags
, если посмотреть на этот конец, это должна быть пустая строка - person Kevin   schedule 15.06.2016get_meta_tags
вызывает ту же проблему. - person Greeso   schedule 15.06.2016