php页面抓取任务

Question

我在我的Drupal定制模块中使用简单的HTML DOM库在我的项目中执行任务。

这个任务就是模仿Facebook的动作，当我们粘贴一篇文章的url时，FB会删除该url，然后返回文章的一部分作为描述和图片。

我的问题是，从大量<p>标签中选择文章的第一部分，以及在页面中的所有图片中选择正确的图片所使用的算法是什么！

我知道FB使用:OG标签，但我需要开发一个算法，如果OG标签不在那里，它就会挑选这些信息。

感谢你们的支持，祝你们今天过得愉快。

致以问候。

Answer 1

我认为对于图像，它是图像的尺寸。这会拍摄第一张超过100x100像素左右的图像。

对于文本，可能是类似的东西。去掉内联HTML标签，获得第一个块元素文本(或者可能只是段落)，就可以了。