get_meta_tags

(PHP 4, PHP 5, PHP 7, PHP 8)

get_meta_tags — 从文件提取所有元标记内容属性并返回数组

说明

get_meta_tags(string $filename, bool $use_include_path = false): array|false

打开 filename 并逐行解析，查找文件中的 <meta> 标记。解析在 </head> 处停止。

参数

filename

HTML 文件的路径，作为字符串。这可以是本地文件或 URL。

示例 #1 get_meta_tags() 解析的内容

<meta name="author" content="name">
<meta name="keywords" content="php documentation">
<meta name="DESCRIPTION" content="a php manual">
<meta name="geo.position" content="49.33;-86.59">
</head> <!-- parsing stops here -->

use_include_path

将 use_include_path 设置为 true 将导致 PHP 尝试沿标准包含路径打开文件，如 include_path 指令所述。这用于本地文件，而不是 URL。

返回值

返回包含所有解析的元标记的数组。

name 属性的值成为键，content 属性的值成为返回数组的值，因此可以轻松使用标准数组函数来遍历它或访问单个值。name 属性值的特殊字符被替换为 '_’，其余部分转换为小写。如果两个元标记具有相同的名称，则只返回最后一个。

如果失败，则返回 false。

示例

示例 #2 get_meta_tags() 返回的内容

<?php
// 假设上面的标签在 www.example.com
$tags = get_meta_tags('http://www.example.com/');

// 注意键现在都是小写了，
// 并且 . 在键中被替换为 _。
echo $tags['author']; // name
echo $tags['keywords']; // php documentation
echo $tags['description']; // a php manual
echo $tags['geo_position']; // 49.33;-86.59
?>

注释

注意:
只解析具有 name 属性的元标记。不需要引号。

参见

htmlentities() - 将所有适用字符转换为 HTML 实体
urlencode() - URL 编码字符串

改进此页面

了解如何改进此页面 • 提交拉取请求 • 报告错误

＋添加注释

用户贡献的注释 19 个注释

上

下

bobble bubble ¶

9 年前

此正则表达式通过在先行断言中捕获来获取独立于顺序的元标记。
此外，它使用分支重置功能来处理不同引号样式的值。
可以在此处测试该模式：https://regex101.com/r/oE4oU9/1

<?PHP

function getMetaTags($str)
{
 $pattern = '
 ~<\s*meta\s

 # 使用先行断言将类型捕获到 $1
 (?=[^>]*?
 \b(?:name|property|http-equiv)\s*=\s*
 (?|"\s*([^"]*?)\s*"|\'\s*([^\']*?)\s*\'|
 ([^"\'>]*?)(?=\s*/?\s*>|\s\w+\s*=))
 )

 # 将内容捕获到 $2
 [^>]*?\bcontent\s*=\s*
 (?|"\s*([^"]*?)\s*"|\'\s*([^\']*?)\s*\'|
 ([^"\'>]*?)(?=\s*/?\s*>|\s\w+\s*=))
 [^>]*>

 ~ix';
 
 if(preg_match_all($pattern, $str, $out))
 return array_combine($out[1], $out[2]);
 return array();
}

// 用法
$meta_tags = getMetaTags($str);

?>

上

下

jp at webgraphe dot com ¶

20 年前

如果 URL 使用标头进行重定向（就像使用 PHP 函数 header("Location: URL"); 所做的那样），则页面通常没有内容。get_meta_tags() 似乎没有捕获这种重定向（就像 cURL 所做的那样），这导致我的脚本超时。

我在一个我编写的蜘蛛中遇到了这个问题，为了填充我网站上所有可用页面的数据库，一个链接链接到一个页面，该页面只有以下代码

<?php
 header("Location: sections.php?section=home");
 exit();
?>

这使我的脚本挂起了一段时间，而且 get_meta_tags() 甚至无法返回错误。

JP。

上

下

Ebpo ¶

11 年前

请注意，该函数在整个页面中查找元标记。如果由于某种原因您的代码中的一条元标记被注释掉了，它仍然会被抓取。

上

下

richard dot dern at athaliasoft dot fr ¶

10 年前

我个人在尝试获取元标记并未使用 get_meta_tags 函数（为了也获取 http-equiv 元标记）时，使用 DOM 函数比使用正则表达式遇到的问题更少。

<?php

$doc = new DOMDocument();
$doc->loadHTML($html);

$xpath = new DOMXPath($doc);

$nodes = $xpath->query('//head/meta');

foreach($nodes as $node) {
 [...]
}

?>

上

下

匿名 ¶

22 年前

已测试 PHP 4.0.6


get_meta_tags() 似乎只查找文件的开头，这意味着例如如果在 HTML 标头之前有大量 PHP 代码，它将不返回任何内容...
已测试在 HTML 标头之前约 9000 个字符的 PHP 代码的本地文件上使用 get_meta_tags()。


解决方法：如果可能，将代码移到标头之后，否则：包含一个文件。

上

下

richard at pifmagazine dot com ¶

24 年前

关于 META 标记和此函数的一个重要说明：如果您的 META 标记包含换行符 "\n" 字符，get_meta_tags() 将为该 name 属性返回 NULL 值。从源 META 标记中删除换行符可以解决此问题。

上

下

rehfeld ¶

19 年前

回复
jp at webgraphe dot com

此函数获取元标记，而不是 http 标头

如果您需要标头


<?php

$fp = fopen('http://example.org/somepage.html', 'r');

// 变量 $http_response_header 会神奇地出现
print_r($http_response_header);

// 或者
$meta_data = stream_get_meta_data($fp);
print_r($meta_data);

?>

上

下

mariano at cricava dot com ¶

18 年前

基于 Michael Knapp 的代码，并添加了一些正则表达式，这是一个可以获取所有元标签和标题的函数，该函数基于 URL。如果出现错误，它将返回 false。使用 getUrlContents() 函数，该函数也包含在内，它负责处理 META REFRESH 重定向，最多跟踪指定的重定向次数。请注意，包含的正则表达式被拆分为字符串，因为 php.net 对行过长进行了抱怨；)

<?php
function getUrlData($url)
{
 $result = false;
 
 $contents = getUrlContents($url);

 if (isset($contents) && is_string($contents))
 {
 $title = null;
 $metaTags = null;
 
 preg_match('/<title>([^>]*)<\/title>/si', $contents, $match );

 if (isset($match) && is_array($match) && count($match) > 0)
 {
 $title = strip_tags($match[1]);
 }
 
 preg_match_all('/<[\s]*meta[\s]*name="?' . '([^>"]*)"?[\s]*' . 'content="?([^>"]*)"?[\s]*[\/]?[\s]*>/si', $contents, $match);
 
 if (isset($match) && is_array($match) && count($match) == 3)
 {
 $originals = $match[0];
 $names = $match[1];
 $values = $match[2];
 
 if (count($originals) == count($names) && count($names) == count($values))
 {
 $metaTags = array();
 
 for ($i=0, $limiti=count($names); $i < $limiti; $i++)
 {
 $metaTags[$names[$i]] = array (
 'html' => htmlentities($originals[$i]),
 'value' => $values[$i]
 );
 }
 }
 }
 
 $result = array (
 'title' => $title,
 'metaTags' => $metaTags
 );
 }
 
 return $result;
}

function getUrlContents($url, $maximumRedirections = null, $currentRedirection = 0)
{
 $result = false;
 
 $contents = @file_get_contents($url);
 
 // 检查是否需要跳转到其他地方
 
 if (isset($contents) && is_string($contents))
 {
 preg_match_all('/<[\s]*meta[\s]*http-equiv="?REFRESH"?' . '[\s]*content="?[0-9]*;[\s]*URL[\s]*=[\s]*([^>"]*)"?' . '[\s]*[\/]?[\s]*>/si', $contents, $match);
 
 if (isset($match) && is_array($match) && count($match) == 2 && count($match[1]) == 1)
 {
 if (!isset($maximumRedirections) || $currentRedirection < $maximumRedirections)
 {
 return getUrlContents($match[1][0], $maximumRedirections, ++$currentRedirection);
 }
 
 $result = false;
 }
 else
 {
 $result = $contents;
 }
 }
 
 return $contents;
}
?>

这是一个使用示例。检查包含的 URL 是否有 META REFRESH 重定向

<?php
$result = getUrlData('http://www.marianoiglesias.com.ar/');

echo '<pre>'; print_r($result); echo '</pre>';

?>

对于上面的代码，输出将是

<?php
Array
(
 [title] => Mariano Iglesias: El Eternauta 
 [metaTags] => Array
 (
 [description] => Array
 (
 [html] => <meta name="description" content="Java, PHP, and some other technological mumble jumble. Also, some real-life stuff as well." />
 [value] => Java, PHP, and some other technological mumble jumble. Also, some real-life stuff as well.
 )

 [DC.title] => Array
 (
 [html] => <meta name="DC.title" content="Mariano Iglesias - Weblog" />
 [value] => Mariano Iglesias - Weblog
 )

 [ICBM] => Array
 (
 [html] => <meta name="ICBM" content="-34.6017, -58.3956" />
 [value] => -34.6017, -58.3956
 )

 [geo.position] => Array
 (
 [html] => <meta name="geo.position" content="-34.6017;-58.3956" />
 [value] => -34.6017;-58.3956
 )

 [geo.region] => Array
 (
 [html] => <meta name="geo.region" content="AR-BA">
 [value] => AR-BA
 )

 [geo.placename] => Array
 (
 [html] => <meta name="geo.placename" content="Buenos Aires">
 [value] => Buenos Aires
 )

 )

)
?>

上

下

LWC ¶

9 年前

基于 mariano at cricava dot com 的工作，新版本支持：
1) 支持元属性（如 Facebook 的 og 标签）。
2) 支持 Unicode（UTF-8）编码的元行。
3)  可以选择不转换 htmlentities - 如果您计划实际使用结果，而不仅仅是显示它们。

function getUrlData($url, $raw=false) // $raw - 启用以显示原始结果
{
$result = false;
   
$contents = getUrlContents($url);

if (isset($contents) && is_string($contents))
    {
$title = null;
$metaTags = null;
$metaProperties = null;
       
preg_match('/<title>([^>]*)<\/title>/si', $contents, $match );

if (isset($match) && is_array($match) && count($match) > 0)
        {
$title = strip_tags($match[1]);
        }
       
preg_match_all('/<[\s]*meta[\s]*(name|property)="?' . '([^>"]*)"?[\s]*' . 'content="?([^>"]*)"?[\s]*[\/]?[\s]*>/si', $contents, $match);
       
if (isset($match) && is_array($match) && count($match) == 4)
        {
$originals = $match[0];
$names = $match[2];
$values = $match[3];
           
if (count($originals) == count($names) && count($names) == count($values))
            {
$metaTags = array();
$metaProperties = $metaTags;
如果 ($raw) {
如果 (version_compare(PHP_VERSION, '5.4.0') == -1)
$flags = ENT_COMPAT;
否则
$flags = ENT_COMPAT | ENT_HTML401;
                }
               
对于 ($i=0, $limiti=count($names); $i < $limiti; $i++)
                {
如果 ($match[1][$i] == 'name')
$meta_type = 'metaTags';
否则
$meta_type = 'metaProperties';
如果 ($raw)
${$meta_type}[$names[$i]] = array (
'html' => htmlentities($originals[$i], $flags, 'UTF-8'),
'value' => $values[$i]
                        );
否则
${$meta_type}[$names[$i]] = array (
'html' => $originals[$i],
'value' => $values[$i]
                        );
                }
            }
        }
       
$result = array (
'title' => $title,
'metaTags' => $metaTags,
'metaProperties' => $metaProperties,
        );
    }
   
返回 $result;
}

函数 getUrlContents($url, $maximumRedirections = null, $currentRedirection = 0)
{
$result = false;
   
$contents = @file_get_contents($url);
   
// 检查是否需要重定向到其他地方
   
if (isset($contents) && is_string($contents))
    {
preg_match_all('/<[\s]*meta[\s]*http-equiv="?REFRESH"?' . '[\s]*content="?[0-9]*;[\s]*URL[\s]*=[\s]*([^>"]*)"?' . '[\s]*[\/]?[\s]*>/si', $contents, $match);
       
如果 (isset($match) && is_array($match) && count($match) == 2 && count($match[1]) == 1)
        {
如果 (!isset($maximumRedirections) || $currentRedirection < $maximumRedirections)
            {
返回 getUrlContents($match[1][0], $maximumRedirections, ++$currentRedirection);
            }
           
$result = false;
        }
否则
        {
$result = $contents;
        }
    }
   
返回 $contents;
}
?>

<?php
$result = getUrlData('http://whatever...', true);

echo '<pre>'; print_r($result, true); echo '</pre>';

?>

输出示例

<?php
数组
(
 [title] => The requested page's title
 [metaTags] => 数组
 (
 [description] => 数组
 (
 [html] => <meta name="description" content="Something..." />
 [value] => Something...
 )
 )
 [metaProperties] => 数组
 (
 [og:type] => 数组
 (
 [html] => <meta property="og:type" content="article"/>/>
 [value] => article
 )
 )
)
?>

上

下

roganty at gmail dot com ¶

17 年前

这是对 jimmyxx at gmail dot com 函数的轻微修改

我尝试使用他代码中显示的正则表达式，PHP 抛出了一些错误

以下是有效的正确正则表达式
(请注意，我不得不将正则表达式拆分为字符串，因为 php.net 对行过长有抱怨)
<?php
preg_match_all(
 "|<meta[^>]+name=\"([^\"]*)\"[^>]" . "+content=\"([^\"]*)\"[^>]+>|i",
 $html, $out,PREG_PATTERN_ORDER);
?>

问题出在引号的转义不正确。
我希望这能帮助任何在使用他的代码时遇到问题的人

上

下

tim dot bennett at haveaniceplay dot com ¶

19 年前

如果你想获取除 meta 之外的标签内容，可以使用

<?php

$page = "http://www.mysite.com/apage.php";

 // 标签
 $start = '<atag>';
 $end = '<\/atag>';

 // 打开文件
 $fp = fopen( $page, 'r' );

 $cont = "";

 // 读取内容
 while( !feof( $fp ) ) {
 $buf = trim( fgets( $fp, 4096 ) );
 $cont .= $buf;
 }
 
 // 获取标签内容
 preg_match( "/$start(.*)$end/s", $cont, $match );

 // 标签内容
 $contents = $match[ 1 ]; 

?>

上

下

Michael Knapp ¶

19 年前

Tim 的代码很好（感谢 Tim），但如果标签是长字符串的一部分，它不会很好地工作。

例如，尝试从 Google 地图 (http://www.google.com/maps) 获取标题。

更好的解决方案是

<?php 
$title = "";
 
如果 ($fp = @fopen( $_POST['url'], 'r' )) {

 $cont = "";
 
 // 读取内容
 while( !feof( $fp ) ) {
 $buf = trim(fgets( $fp, 4096 )) ;
 $cont .= $buf;
 }

 // 获取标签内容
 @preg_match( "/<title>([a-z 0-9]*)<\/title>/si", $cont, $match );
 
 // 标签内容
 $title = strip_tags(@$match[ 1 ]); 
} 

?>

注意 strip_tags。另一件要注意的事情是检查 ", < 和 >。如果要将输出发布到表单，则需要将它们删除。

此外，最好使用 /i 修饰符，因为有些人可能会编写 <TITLE> 等...

上

下

richard at pifmagazine dot com ¶

24 年前

上面没有提到的一点应该是：在远程 PHP 页面上使用 get_meta_tags 时，页面会在返回元标签之前解析 - 因此您可以捕获远程生成的元标签（通过 PHP??）。


在本地文件系统上获取元标签时，这不起作用。本地文件在返回 get_meta_tags() 之前不会通过 Web 服务器解析。如果元标签是硬编码到页面中的，那么你会没事 - 但如果它是动态生成的，你将无法捕获它，除非你在调用你的本地文件时使用完整的 URL。

上

下

-2

doob_ at gmx dot de ¶

15 年前

<?php 
 
/* 
** 提取并格式化元标签内容 
*/ 
 
函数 get_meta_data($url, $searchkey='') { 
 $data = get_meta_tags($url); // 将元数据获取到数组中 
 foreach($data as $key => $value) { 
 if(mb_detect_encoding($value, 'UTF-8, ISO-8859-1', true) != 'ISO-8859-1') { // 检查内容是 UTF-8 还是 ISO-8859-1 
 $value = utf8_decode($value); // 如果是 UTF-8，则对其进行解码 
 } 
 $value = strtr($value, get_html_translation_table(HTML_ENTITIES)); // 掩盖内容 
 if($searchkey != '') { // 如果只需求一个元标签，例如 'description' 
 if($key == $searchkey) { 
 $str = $value; // 只返回 value 
 } 
 } 否则 { // 所有元标签 
 $pattern = '/ |,/i'; // ' ' 或 ',' 
 $array = preg_split($pattern, $value, -1, PREG_SPLIT_NO_EMPTY); // 将其拆分为数组，这样我们就可以得到单词数量 
 $str .= '<p><span style="display:block;color:#000000;font-weight:bold;">' . $key . ' <span style="font-weight:normal;">(' . count($array) . ' 个词 | ' . strlen($value) . ' 个字符)</span></span>' . $value . '</p>'; // 使用单词和字符数量格式化数据 
 } 
 } 
 返回 $str; 
} 
 
$content .= get_meta_data("http://www.example.com/"); 
/* 
输出看起来像这样： 
 
description (23 个词 | 167 个字符) 
SELFHTML 8.1.2 - Die bekannte Dokumentation zu HTML, JavaScript und CGI/Perl - Tutorial und Referenz, mit etlichen Zusatztips zu Design, Grafik, Projektverwaltung usw. 
 
keywords (13 个词 | 119 个字符) 
SELFHTML, HTML, Dynamic HTML, JavaScript, CGI, Perl, Grafik, WWW-Seiten, Web-Seiten, Hilfe, Dokumentation, Beschreibung 
 
等等。 
 
*/ 
 
$content .= get_meta_data("http://www.example.com/", "description"); 
/* 
输出看起来像这样： 
 
SELFHTML 8.1.2 - Die bekannte Dokumentation zu HTML, JavaScript und CGI/Perl - Tutorial und Referenz, mit etlichen Zusatztips zu Design, Grafik, Projektverwaltung usw. 
*/ 
 
?>

上

下

-1

jstel at 126 dot com ¶

15 年前

此函数可以获取 HTML 内容的每个元数据，并去除所有 js 和 css。


<?php 
function get_meta_data($content) 
{ 
 $content = strtolower($content); 
 $content = preg_replace("'<style[^>]*>.*</style>'siU",'',$content); // 去除 js 
 $content = preg_replace("'<script[^>]*>.*</script>'siU",'',$content); // 去除 css 
 $split = explode("\n",$content); 
 foreach ($split as $k => $v) 
 { 
 if (strpos(' '.$v,'<meta')) { 
 preg_match_all( 
"/<meta[^>]+(http\-equiv|name)=\"([^\"]*)\"[^>]" . "+content=\"([^\"]*)\"[^>]*>/i", 
$v, $split_content[],PREG_PATTERN_ORDER);; 
 } 
 } 
 return $split_content; 
} 
?>

上

下

-1

Ben dot Davis at furman dot edu ¶

23 年前

我发现对于大型搜索，get_meta_tags 非常慢。我为一个无法使用数据库的网站创建了一个大型搜索引擎，我首先尝试提取元标签。
我发现使用 eregi 提取元标签实际上快得多。以下代码提取描述


if (eregi ("<meta name=\"description\" content=[^>]*", $contents, $descresult))
                                {

$description = explode("<meta name=\"description\" content=", $descresult[0]);
echo "<font face=\"Arial\" size=2>$description[1]</font>";
                                    

                                }

上

下

-2

Antonio - Malaga ¶

15 年前

如果元语法没有尾部斜杠，则不起作用。

上

下

-3

diel at caroes dot be ¶

16 年前

快速元数据抓取器
[代码]
if(get_meta_tags('http://'.$_POST['pagina'])){
print '<font class="midden">Meta data from http://'.$_POST['pagina'].'</font>';
$metadata = get_meta_tags('http://'.$_POST['pagina']);
echo '<table width="100%">';
print '<tr><td>Meta</td><td>Waarde</td></tr>';
foreach($metadata as $naam => $waarde){
echo '<tr><td valign="top">'.$naam.'</td><td>'.$waarde.'</td></tr>';
        }
print '</table>';
}else{
print '
<div class="red_h">Incorrect</div>
        ';
    }
[/代码]

上

下

-3

jimmyxx at gmail dot com ¶

18 年前

我将它用在我的小型基于 PHP 搜索的搜索引擎中 - 它确实减慢了整个过程。我编写了这个函数来读取 HTML（只需获取文件或使用类似 snoopy 的东西）并通过简单的正则表达式提取元数据，效果很好，使我的爬虫速度更快

<?php

function get_meta_data($html) {

 preg_match_all(
 "|<meta[^>]+name=\\"([^\\"]*)\\"[^>]+content=\\"([^\\"]*)\\""[^>]+>|i", $html, $out,PREG_PATTERN_ORDER);

 for ($i=0;$i < count($out[1]);$i++) {
 // 循环元数据 - 如果需要，在这里添加您自己的标签
 if (strtolower($out[1][$i]) == "keywords") $meta['keywords'] = $out[2][$i];
 if (strtolower($out[1][$i]) == "description") $meta['description'] = $out[2][$i];
 }

return $meta; 
}

?>

＋添加注释