indeksacja treści witryn internetowych

indeksacja treści witryn internetowych

pgrzelka Zobacz profil	15.02.2010, 11:51:42 Post #1
Grupa: Zarejestrowani Postów: 313 Pomógł: 24 Dołączył: 9.08.2008 Skąd: Kielce Ostrzeżenie: (0%)	Witam potrzebuję zrobić indeksację treści z listy podanych stron www. czy znajdę gotowy skrypt który mi ładnie odfiltruje potrzebny tekst ze stron www? jeśli nie to jak przefiltrować taką pobraną stronę? usunięcie wszystkich tagów html odpada, ponieważ muszę zostawić np h1, h2, b, i, u, itp na razie mam taki kod [PHP] pobierz, plaintext preg_match ( '/<body>(.)<\/body>/si', $this->_source, $body); $body = $body[0]; $body = preg_replace('@<script.?>.?</script>@si', '', $body); $body = preg_replace('@<form.?>.?</form>@si', '', $body); $body = preg_replace('@<!--.?-->@si', '', $body); $body = preg_replace('@<div.?>@si', '<div>', $body); $body = preg_replace('@<p.?>@si', '<p>', $body); $body = preg_replace('@<p.?>(.?)</p>@si', '{/1}', $body); [PHP] pobierz, plaintext kolejno - pobiera body - usuwa JS - usuwa formularze - usuwa komentarze - usuwa class i id z divów - j/w ale z <p> co jeszcze mogę dodać do takiego kodu? ewentualnie gdzie szukać gotowego rozwiązania