php获取网页标题和内容函数(不包含html标签)

　　function getPageContent($url) {

　　//$url='http://www.ttphp.com;

　　$pageinfo = array();

　　$pageinfo[content_type] = '';

　　$pageinfo[charset] = '';

　　$pageinfo[title] = '';

　　$pageinfo[description] = '';

　　$pageinfo[keywords] = '';

　　$pageinfo[body] = '';

　　$pageinfo['httpcode'] = 200;

　　$pageinfo['all'] = '';

　　$ch = curl_init();

　　curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)");

　　curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);

　　curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, 0);

　　curl_setopt($ch, CURLOPT_SSL_VERIFYPEER,0);

　　curl_setopt($ch, CURLOPT_TIMEOUT, 8);

　　curl_setopt($ch, CURLOPT_FILETIME, 1);

　　curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);

　　//curl_setopt($ch, CURLOPT_HEADER, 1);

　　curl_setopt($ch, CURLOPT_URL,$url);

　　$curl_start = microtime(true);

　　$store = curl_exec ($ch);

　　$curl_time = microtime(true) - $curl_start;

　　if( curl_error($ch) ) {

　　$pageinfo['httpcode'] = 505;  //gate way error

　　echo 'Curl error: ' . curl_error($ch) ."/n";

　　return $pageinfo;

　　}

　　//print_r(curl_getinfo($ch));

　　$pageinfo['httpcode'] = curl_getinfo($ch,CURLINFO_HTTP_CODE);

　　//echo curl_getinfo($ch,CURLINFO_CONTENT_TYPE)."/n";

　　$pageinfo[content_type] = curl_getinfo($ch,CURLINFO_CONTENT_TYPE);

　　if(intval($pageinfo['httpcode']) <> 200 or !preg_match('@text/html@',curl_getinfo($ch,CURLINFO_CONTENT_TYPE) )   ) {

　　//print_r(curl_getinfo($ch) );

　　//exit;

　　return $pageinfo;

　　}

　　preg_match('/charset=([^/s/n/r]+)/i',curl_getinfo($ch,CURLINFO_CONTENT_TYPE),$matches); //从header 里取charset

　　if( trim($matches[1]) ) {

　　$pageinfo[charset] = trim($matches[1]);

　　}

　　//echo $pageinfo[charset];

　　//exit;

　　curl_close ($ch);

　　//echo $store;

　　//remove javascript

　　$store = preg_replace("/<mce:script.*><!--

　　(.*)<//script>/smUi",'',$store);

　　//remove link

　　$store = preg_replace("/<link/s+[^>]+>/smUi",'',$store);

　　//remove <!--  -->

　　$store = preg_replace("/<!--.*-->/smUi",'',$store);

　　//remove <style  </<style>

　　$store = preg_replace("/<style.*>(.*)<//style>/smUi",'',$store);

　　//remove 中文空格

　　$store = preg_replace("/　/",'',$store);

　　//remove 标点符号

　　//$store = preg_replace("/[/~`!@#$%^&*()_/-+={}|/[/]//;':"/</>/?/,/.//]/",'',$store);

　　//preg_match("/<head.*>(.*)<//head>/smUi",$store, $matches);

　　//$head = $matches[1];

　　//echo $head. "/n";

　　//charset

　　if($pageinfo[charset] == '' ) {

　　preg_match('@<meta.+charset=([/w/-]+)[^>]*>@i',$store,$matches);

　　$pageinfo[charset] = trim($matches[1]);

　　}

　　//desctiption

　　preg_match('@<meta/s+name=/"*description/"*/s+content/s*=/s*([^/>]+)/*>@i',$store,$matches);

　　//print_r($matches);

　　$desc = trim($matches[1]);

　　$pageinfo[description] = str_replace("/"", '',$desc);

　　preg_match('@<meta/s+name=/"*keywords/"*/s+content/s*=/s*([^/>]+)/*>@i',$store,$matches);

　　//print_r($matches);

　　$keywords = trim($matches[1]);

　　$pageinfo[keywords] = str_replace("/"", '',$keywords);

　　preg_match("/<title>(.*)<//title>/smUi",$store, $matches);

　　$pageinfo[title] = trim($matches[1]);

　　preg_match("/<body.*>(.*)<//body>/smUi",$store, $matches);

　　$pageinfo[body] = addslashes( replaceHtmlAndJs($matches[1]) ) ;

　　$pageinfo['all'] = addslashes( replaceHtmlAndJs($store) ) ;

　　//echo "charset = " . $pageinfo[charset] . "/n";

　　//print_r($pageinfo);

　　//exit;

　　return $pageinfo;

　　}

　　/**

　　* 去掉所有的HTML标记和JavaScript标记

　　*/

　　function replaceHtmlAndJs($document)

　　{

　　$document = trim($document);

　　if (strlen($document) <= 0)

　　{

　　return $document;

　　}

　　$search = array (

　　"'<script[^>]*?>.*?

　　// --></mce:script>'si",  // 去掉 javascript

　　"'<[///!]*?[^<>]*?>'si",          // 去掉 HTML 标记

　　"'[/r/n/s+]'",                // 去掉空白字符

　　"'&(/w+);'i"              // 替换 HTML 实体

　　);                    // 作为 PHP 代码运行

　　$replace = array ( "", "", "", ""  );

　　return @preg_replace ($search, $replace, $document);

　　}

　　$a = getPageContent(www.ttphp.com);

　　print_r($a);