Neo Inspiration

私用で前に作ったんですが、
今回別のアプリで流用するのでクラスにしたので
ついでに公開します。

//2008/07/29 リンク修正
ダウンロードはこれ
Class.GetTitleAndBody.zip

CSSレイアウトのDIVかテーブルレイアウトのTDで分割して
一番リンク率が低い
設定値よりリンク率が低い
設定値よりタグ率が低い
画像率が一番高い
文字数が規定以上
一番大きいパラグラフ
ここらへんにポイントを割り振ってはじき出してます

なので、ITMEDIAのようにサイドバーがえらく充実してるとことか
<div class=”brclear”>なんてひどいことしてるとことかは
うまくいきませんね。

使い方

こんなかんじです。

$Html = new GetTitleAndBody();
$Html->GetHtml(”http://neoinspire.net”);
if(empty($Html->error)){
　　echo $Html->title;　//タイトルっぽいもの
　　echo $Html->body;　//本文っぽいもの
　　echo $Html->body_length;　//文字数
}else{
　　echo $Html->error;　//エラー出力
}

本文はbrやa、li,strong など残せそうなのは一応残してあるので、
純粋にテキストにしたいなら strip_tags($Html->body) で。

パラメータとか

コンストラクタのパラメータはこんなかんじです

1:$_body_len=有効にする記事の文字数の下限値（400ならマルチバイトで400文字以上じゃないと無効）
2:$_link_per=有効にするリンクの出現率の上限値（0.1ならリンクが1割以下じゃないと無効）
3:$_tag_per=有効にするHTMLタグの出現率の上限値（0.1ならタグが1割以下じゃないと無効）
4:$_html_point;=この点数を超えないと対象にならない（デフォルト8点）
5:$_weight=設定値の変更（Array）
　　$_array['キー']=評価点　の形式
　　　　キーリスト
　　　　max_link_weight;　　　　//リンク率が一番小さい（デフォルト2点）
　　　　link_weight;　　　　　　//リンクが規定値より低い（デフォルト3点）
　　　　tag_weight;　　　　　　//タグ率が一番小さい（デフォルト1点）
　　　　max_img_weight;　　　　//画像率が高い（デフォルト1点）
　　　　body_weight;　　　　　　//文字数規定値より多い（デフォルト1点）
　　　　body_length_weight;　　　//文字数が全DIVの中で一番多い（デフォルト2点）

第5パラメータは配列で
$array['body_weight']=5
とかすれば
「文字数規定値より多い」という項目のポイントが5になる　ってういかんじです。

最後

パラメータ変えなくても割と取れます！

//2008/07/29 リンク修正
ダウンロードはこれ
Class.GetTitleAndBody.zip

関連記事:

• HTMLからタグの構造だけ抜き出すPHP
• Arc を触ってみた
• Adobeに登録されました！
• googleの裏ワザ
• Smarty と cakePHP 適当メモ