php如何抓取网页内容(我想解析一个网页并从中提取有意义的内容。)

　　php如何抓取网页内容(我想解析一个网页并从中提取有意义的内容。)

　　我想解析一个网页并从中提取有意义的内容。有道理，我的意思是用户希望在该特定页面中看到的内容（仅文本）（不包括广告、横幅、cmets 等的数据）。我想确保当用户保存页面时，他的数据想读已保存，仅此而已。

　　简而言之，我需要构建一个类似于 Readability 的应用程序。() 我需要将这些有用的网页内容存储在一个单独的文件中。我真的不知道该怎么办。

　　我不想使用需要我连接到互联网并从他们的服务器获取数据的 API，因为数据提取过程需要离线完成。

　　我能想到的方法有两种：

　　使用基于机器学习的算法（例如：）

　　开发一个网页抓取工具，可以令人满意地清除所有杂乱的网页。

　　是否有任何现有的工具可以做到这一点？我遇到了样板库（），但没有使用它。有人用过吗？它是否给出了令人满意的结果？有没有其他工具，特别是用 PHP 或 Python 编写的，可以进行这种网络抓取？

　　如果我需要构建自己的工具来做到这一点，你们有什么建议吗？

　　因为我需要在开始解析之前清理凌乱或不完整的 HTML，所以我使用 Tidy() 或 Beautiful Soup() 之类的工具来完成这项工作。

　　但是我不知道如何在这一步之后提取内容。

　　笔记。我是一个业余爱好者，如果有开源工具可以轻松集成到我将用 PHP 或 Python 编写的代码中，我会很高兴。或者，如果我必须编写自己的代码，我很想获得有关以前进行此类工作的指导！：）太感谢了！