Komut satırını kullanarak web sitelerinin başlığını nasıl alabilirim?

50

Bir web sitesinin başlığını yazdıran bir komut satırı programı istiyorum. Örneğin:

Alan:~ titlefetcher http://www.youtube.com/watch?v=Dd7dQh8u4Hc

vermelisin:

Why Are Bad Words Bad?

URL'yi girin ve Başlığı yazdırır.

command-line  web  http 
— Ufoguy
kaynak
2
Bu başlığı indirdiğimde şunu alıyorum: "Neden Kötü Kelimeler Kötü? - Youtube", "- Youtube" öğelerinin de kesilmesini mi istiyorsunuz?
— slm

Yanıtlar:

44 
wget -qO- 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' |
  perl -l -0777 -ne 'print $1 if /<title.*?>\s*(.*?)\s*<\/title/si'

Eğer onun recodegibi şeyler varsa, bunu GNU'ya aktarabilirsiniz &lt;:

wget -qO- 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' |
  perl -l -0777 -ne 'print $1 if /<title.*?>\s*(.*?)\s*<\/title/si' |
  recode html..

Parçayı çıkarmak için - youtube:

wget -qO- 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' |
 perl -l -0777 -ne 'print $1 if /<title.*?>\s*(.*?)(?: - youtube)?\s*<\/title/si'

Bazı kısıtlamaları belirtmek için:

taşınabilirlik

HTTP sorguları yapmak için standart / taşınabilir bir komut yoktur. Birkaç yıl önce, lynx -sourceburada bunun yerine tavsiye ederdim . Ancak günümüzde, wgetçoğu GNU sistemlerinde (çoğu Linux tabanlı masaüstü / dizüstü bilgisayar işletim sistemi dahil) varsayılan olarak bulunabileceğinden daha taşınabilir. Oldukça portatif olanlara başkaları, sık sık yüklenen ve daha az oranda libwww GETile gelen komutu içerir . Diğer yaygın olanları şunlardır , , , ...perllynx -sourcecurllinks -sourceelinks -sourcew3m -dump_sourcelftp -c cat

HTTP protokolü ve yönlendirme yönetimi

wgetÖrneğin firefoxgörüntüleyeceğiniz sayfanın aynısını alamayabilir . Bunun nedeni, HTTP sunucularının, müşteri tarafından gönderilen talepte verilen bilgilere dayanarak farklı bir sayfa göndermeyi seçebilmeleridir.

Wget / w3m / GET ... tarafından gönderilen istek, firefox tarafından gönderilenlerden farklı olacaktır. Bu bir sorunsa, seçeneği wgetgöndermesine rağmen isteği gönderme biçimini değiştirme davranışını değiştirebilirsiniz.

Bu konuda en önemlileri:

  • Acceptve Accept-language: sunucuya, istemcinin yanıtı almak istediği dil ve karakter grubunun. wgetvarsayılan olarak herhangi bir yol göndermediğini, bu nedenle de sunucu varsayılan ayarlarıyla birlikte göndereceğini bildirir. firefoxDiğer taraftan, muhtemelen dilinizi istemek için yapılandırılmıştır.
  • User-Agent: sunucuya istemci uygulamasını tanımlar. Bazı siteler müşteriye göre farklı içerikler gönderir (çoğunlukla javascript dili yorumlamaları arasındaki farklar içindir) ve bunun gibi bir robot tipi kullanıcı aracısı kullanıyorsanız size hizmet vermeyi reddedebilir wget.
  • Cookie: bu siteyi daha önce ziyaret ettiyseniz, tarayıcınız bunun için kalıcı çerezlere sahip olabilir. wgetolmaz.

wgetYönlendirmeleri HTTP protokol düzeyinde yaptıklarında, ancak javascript tarafından yapılanlara değil, sayfa içeriğine bakmadığı için yönlendirmeleri izleyecektir <meta http-equiv="refresh" content="0; url=http://example.com/">.

Performans verimliliği

Burada, tembelliğin dışında perl, <title>etiketi aramaya başlamadan önce tüm içeriği bellekte okuduk . Başlığın, <head>dosyanın ilk birkaç baytlık bölümünde bulunduğu göz önüne alındığında , bu uygun değildir. awkSisteminizde GNU varsa daha iyi bir yaklaşım olabilir:

wget -qO- 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' |
  gawk -v IGNORECASE=1 -v RS='</title' 'RT{gsub(/.*<title[^>]*>/,"");print;exit}'

Bu şekilde, awk birinciden sonra okumayı keser </titleve çıkıldığında wgetindirme işleminin durmasına neden olur .

HTML’nin ayrıştırılması

Burada, wgetsayfayı indirdiği sırada yazar. Aynı zamanda, perlçıktısını ( -0777 -n) tam olarak bellekte sıkıştırır ve sonra ilk <title...>ve arasındakiler arasında bulunan HTML kodunu yazdırır </title.

Bu, <title>etiketi olan çoğu HTML sayfası için işe yarar, ancak çalışmadığı durumlar vardır.

Bunun aksine, coffeeMug'un çözümü HTML sayfasını XML olarak ayrıştırır ve karşılık gelen değeri döndürür title. Sayfanın geçerli XML olacağı garanti edilirse daha doğrudur . Bununla birlikte, HTML'nin geçerli bir XML olması gerekmez (dilin eski sürümleri yoktu) ve çoğu tarayıcı esnek ve hatalı HTML kodunu kabul edeceğinden, orada pek çok yanlış HTML kodu da var.

Hem çözümüm hem de coffeeMug'larım bazen aynı, bazen değil, çeşitli köşe davaları için başarısız olacak.

Mesela, mayın başarısız olacak:

<html><head foo="<title>"><title>blah</title></head></html>

veya:

<!-- <title>old</title> --><title>new</title>

Onun başarısız olurken:

<TITLE>foo</TITLE>

(geçerli html, xml değil) veya:

veya:

<title>...</title>
...
<script>a='<title>'; b='</title>';</script>

(yine geçerli XML yapmak için htmleksik , geçerli <![CDATA[parçalar).

<title>foo <<<bar>>> baz</title>

(yanlış html, ancak yine de orada bulundu ve çoğu tarayıcı tarafından desteklendi)

etiketlerin içindeki kodun yorumlanması.

Bu çözüm, <title>ve arasındaki ham metni çıkarır </title>. Normalde, orada herhangi bir HTML etiketi olmamalıdır, muhtemelen yorumlar olabilir (ancak firefox gibi bazı tarayıcılar tarafından pek kullanılmaz). Hala bazı HTML kodlamaları olabilir:

$ wget -qO- 'http://www.youtube.com/watch?v=CJDhmlMQT60' |
  perl -l -0777 -ne 'print $1 if /<title.*?>\s*(.*?)\s*<\/title/si'
Wallace &amp; Gromit - The Cheesesnatcher Part 1 (claymation) - YouTube

GNU tarafından halledilir recode:

$ wget -qO- 'http://www.youtube.com/watch?v=CJDhmlMQT60' |
  perl -l -0777 -ne 'print $1 if /<title.*?>\s*(.*?)\s*<\/title/si' |
   recode html..
Wallace & Gromit - The Cheesesnatcher Part 1 (claymation) - YouTube

Ancak bir web istemcisi aynı zamanda başlığı görüntülerken bu kod üzerinde daha fazla dönüşüm yapmak anlamına da gelir (boşluklardan bazılarını yoğunlaştırmak, önde gelenleri ve sondakileri kaldırmak gibi). Ancak bunun için bir ihtiyaç olması muhtemel değildir. Yani, diğer durumlarda olduğu gibi, çabaya değip değmeyeceğine siz karar verin.

Karakter seti

UTF-8'den önce iso8859-1, ASCII olmayan karakterler için web'de tercih edilen karakter kümesiydi, ancak kesinlikle yazmaları gerekiyordu &eacute;. HTTP'nin ve HTML dilinin daha yeni sürümleri, HTTP başlıklarında veya HTML başlıklarında karakter belirleme olanağını ekledi ve bir istemci kabul ettiği karakter kümelerini belirleyebilir. UTF-8, bugünlerde varsayılan karakter kümesi olma eğilimindedir.

Yani bu, göreceğiniz, orada ortaya demektir éolarak yazılır &eacute;gibi &#233;UTF-8 olarak, é2 son olanlar için olan iso-8859-1 (0xe9) gibi, (0xc3 0xa9) charset bazen bilgi HTTP başlıklarında veya HTML başlıklarında (farklı biçimlerde), bazen değil.

wget sadece ham baytları alır, karakter olarak anlamlarını önemsemez ve web sunucusuna tercih edilen karakter grubunu anlatmaz.

recode html..dönüştürmek için ilgilenir &eacute;veya &#233;sisteminizde kullanılan karakter seti için bayt doğru süresine içine, ama geri kalanı için, bu yanıltıcıdır.

Eğer sistem karakter diziniz utf-8 ise, bugünlerde kullanılan standart karakter dizisi olma eğiliminde olduğu için çoğu zaman yolunda gitme şansı yoktur.

$ wget -qO- 'http://www.youtube.com/watch?v=if82MGPJEEQ' |
 perl -l -0777 -ne 'print $1 if /<title.*?>\s*(.*?)\s*<\/title/si'
Noir Désir - L&#39;appartement - YouTube

Bu éyukarıda bir UTF-8 oldu é.

Ancak, diğer karakter setlerini ele almak istiyorsanız, bir kez daha yapılması gerekir.

Ayrıca bu çözümün UTF-16 veya UTF-32 kodlu sayfalar için hiçbir zaman işe yaramayacağına da dikkat edilmelidir.

Sonuç olarak

İdeal olarak, burada ihtiyacınız olan şey, size bilgi veren gerçek bir web tarayıcısıdır. Diğer bir deyişle, HTTP isteğini uygun parametrelerle yapmak, HTTP yanıtını doğru bir şekilde anlamak, HTML kodunu bir tarayıcı gibi tam olarak yorumlamak ve başlığı döndürmek için bir şeye ihtiyacınız var.

Bildiğim tarayıcılarla komut satırında yapılabileceğini sanmıyorum (şu anda bu numarayılynx görüyorsunuz ), sezgisel ve yaklaşımlara başvurmak zorundasınız ve yukarıdakilerden biri en az sizin kadar iyi.

Ayrıca performansı, güvenliği de göz önünde bulundurmak isteyebilirsiniz ... Örneğin, tüm vakaları ele almak için (örneğin, başlığı ayarlayan veya bir sayfadaki başka bir sayfaya yönlendirme yapan bir üçüncü taraf sitesinden bir javascript çekilmiş bir web sayfası). (load load hook), dom ve javascript motorlarıyla tek bir HTML sayfası için yüzlerce sorgu yapmak zorunda kalabilecek, bazıları güvenlik açıklarından yararlanmaya çalışan gerçek bir tarayıcı uygulamanız gerekebilir ...

İken genellikle hoş karşılanmaz HTML Ayrıştırma İfadelerinin kullanarak , işte burada görev (IMO) için yeterince iyi tipik bir durumdur.

— Stéphane Chazelas
kaynak
Sayfalardan görüntüleri de indiriyor mu? Ayrıca önemsiz html dosyalarını geride bırakacak mı?
— Ufoguy
2
Muhtemelen ünvanın ilk örneğinde başlığı sonlandırmak istersiniz, <çünkü başlıkların son etiketlerinin olması garanti edilmez ve başka bir etiketin sonlandırılmasını zorlaması gerekir. Ayrıca yeni çizgiler de çıkarmak isteyebilirsiniz.
— Brian Nickel
1
HTML'yi ayrıştırmak için normal ifadeler kullanmanız önerilmez. Hiç. Bu durumda bile değil. Kötü bir alışkanlık. Bunun yerine gerçek bir ayrıştırıcı kullanın. Bununla ilgili ünlü bir mizahi Stackoverflow cevabı var ...
— Robin Green
4
@RobinGreen Bu gönderi, normal olmayan bir dili ayrıştırmak için regex kullanmak üzereydi. Uyarılar var, ancak bu normal bir dile kolayca indirilebilen bir problem. HTML'yi ayrıştırmak için regex kullanmanızı öneririm. Ara sıra. Bu durumda.
— Brian Nickel
2
Neredeyse her şey için işe yarayan düzenli ifadelerin sayısı yaklaşık 0'dır.
— Robin Green
27

Ayrıca hxselect( HTML-XML-Utils'ten ) wgetaşağıdaki gibi deneyebilirsiniz :

wget -qO- 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' | hxselect -s '\n' -c  'title' 2>/dev/null

Sen yükleyebilirsiniz hxselectkullanarak Debian tabanlı dağıtımlar içinde:
sudo apt-get install html-xml-utils.

STDERR yönlendirmesi Input is not well-formed. (Maybe try normalize?)mesajı engellemektir .

"- YouTube" dan kurtulmak için yukarıdaki komutun çıktısını alın awk '{print substr($0, 0, length($0)-10)}'.

— coffeMug
kaynak
"hxselect", Ubuntu'da varsayılan olarak kurulu görünmüyor. Mevcut depolarımda bile bulamıyorum. Nasıl kurarım?
— Ufoguy
7
sudo apt-get install html-xml-utils
— coffeMug
Bu hatayı Ubuntu 12.10'da alıyorum "Giriş iyi biçimlendirilmemiş. (Belki normalleştirmeyi dene?)"
— slm
1
Msj ile ne yapacağımı bulamadım. çıktının normalleştirilmesi hakkında. Böyle bir açma yok hxselect.
— slm
1
Mac OS X millet için Homebrew içinde hxselect ile bir formül vardır. İle yükleyin brew install html-xml-utils.
— Sukima,
18

Ayrıca kullanabilirsiniz curlve grepbunun için. Sen kullanımını askere gerekir PCRE (Perl Uyumlu Normal İfadeler) içinde grepbulduğumuz böylece tesisleri arkasında görünümü elde ve ileriye bakma <title>...</title>etiketleri.

Örnek

$ curl 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' -so - | \
    grep -iPo '(?<=<title>)(.*)(?=</title>)'
Why Are Bad Words Bad? - YouTube

ayrıntılar

curlanahtarlar:

  • -s = sessiz
  • -o - = STDOUT'a çıktı gönder

grepanahtarlar:

  • -i = büyük küçük harfe duyarsızlık
  • -o = Sadece eşleşen kısmı döndür
  • -P = PCRE modu

İçin desen grep:

  • (?<=<title>) = bununla başlayan solda bir dize ara
  • (?=</title>) = bununla biten bir dize ara
  • (.*)= aradaki herşey <title>..</title>.

Daha karmaşık durumlar

Birden <title>...</titie>fazla satır içeriyorsa, yukarıdaki satır bulamaz. Bu durumu tr, herhangi bir \nkarakteri silmek için , yani kullanarak azaltabilirsiniz tr -d '\n'.

Örnek

Örnek dosya

$ cat multi-line.html 
<html>
<title>
this is a \n title
</TITLE>
<body>
<p>this is a \n title</p>
</body>
</html>

Ve bir örnek çalışması:

$ curl 'http://www.jake8us.org/~sam/multi-line.html' -so - | \
     tr -d '\n' | \
     grep -iPo '(?<=<title>)(.*)(?=</title>)'
this is a \n title

lang = ...

Eğer <title>böyle ayarlanmışsa, eklemeden <title lang="en">önce bunu kaldırmanız grepgerekir. Araç sedbunu yapmak için kullanılabilir:

$ curl 'http://www.jake8us.org/~sam/multi-line.html' -so - | \
     tr -d '\n' | \
     sed 's/ lang="\w+"//gi' | \
     grep -iPo '(?<=<title>)(.*)(?=</title>)'
this is a \n title

Yukarıdaki, büyük / küçük harf duyarsız dizgeyi, lang=ardından bir sözcük dizisini ( \w+) bulur . Daha sonra çıkarıldı.

Gerçek bir HTML / XML Ayrıştırıcı - Ruby kullanarak

Bir noktada regex bu tür bir problemi çözmede başarısız olacaktır. Bu durumda, büyük olasılıkla gerçek bir HTML / XML ayrıştırıcı kullanmak isteyeceksiniz. Böyle bir ayrıştırıcı Nokogiri'dir . Ruby'de Gem olarak bulunur ve şu şekilde kullanılabilir:

$ curl 'http://www.jake8us.org/~sam/multi-line.html' -so - | \
    ruby -rnokogiri -e \
     'puts Nokogiri::HTML(readlines.join).xpath("//title").map { |e| e.content }'

this is a \n title

Yukarıdaki, curlHTML ( Nokogiri::HTML) aracılığıyla gelen verileri ayrıştırmadır . Yöntem xpathdaha sonra HTML'deki yaprak düğümleri olan düğümleri (etiketleri) //, adında arar title. Her bulunan için içeriğini ( e.content) döndürmek istiyoruz . putsSonra onları dışarı yazdırır.

Gerçek bir HTML / XML Ayrıştırıcı - Perl kullanarak

Perl ve HTML :: TreeBuilder :: XPath modülüne benzer bir şey de yapabilirsiniz .

$ cat title_getter.pl
#!/usr/bin/perl

use HTML::TreeBuilder::XPath;

$tree = HTML::TreeBuilder::XPath->new_from_url($ARGV[0]); 
($title = $tree->findvalue('//title')) =~ s/^\s+//;
print $title . "\n";

Daha sonra bu betiği şöyle çalıştırabilirsiniz:

$ ./title_getter.pl http://www.jake8us.org/~sam/multi-line.html
this is a \n title
— slm
kaynak
1
Düzgün bir çözüm! :)
— coffeMug
3
HTML'yi normal ifadelerle ayrıştırmak o kadar kolay değildir. “<TITLE>”, “<title lang = en>”, “<title \ n>” olarak yazılan etiketler ifadenizle eşleşmeyecek. Daha da büyük sorun, ne “<title> \ noops \ n </title>” olacak.
— Manatwork
4
Regex kullanarak html ayrıştırma girişimi burada yuvarlak kaşlarını çatma eğilimindedir .
— user3490
1
@slm, <title>Unix\nLinux</title>olması gerekiyordu Unix Linux, değil UnixLinux.
— Stéphane Chazelas
1
+1 Yakut + nokogiri için. Her türlü web hurdası için kullandım, harika!
— Rob
7

HTML'yi ayrıştırmak için basit regex kullanmak saftır. Örn. Yeni satırlar ve dosyada belirtilen özel karakter kodlamasını dikkate almamak. Doğru olanı yapın ve diğer cevaplarda belirtilen diğer gerçek ayrıştırıcılardan herhangi birini kullanarak sayfayı gerçekten ayrıştırın veya aşağıdaki astarı kullanın:

python -c "import bs4, urllib2; print bs4.BeautifulSoup(urllib2.urlopen('http://www.crummy.com/software/BeautifulSoup/bs4/doc/')).title.text"

(Yukarıdaki bir Unicode karakteri içerir).

BeautifulSoup, tamamen basitleştirilmiş regexing işlemine neden olacak bir sürü hatalı HTML'yi (örneğin eksik kapanış etiketlerini) yönetir. Aşağıdakileri kullanarak standart bir pitona kurabilirsiniz:

pip install beautifulsoup4

yoksa yoksa pipile,

easy_install beautifulsoup4

Debian / Ubuntu gibi bazı işletim sistemleri de paketlenmiştir ( python-bs4Debian / Ubuntu'daki paket).

— Zelda
kaynak
2
bs4python standart kütüphanesinde değil. easy_install beautfulsoup4(Değil easyinstall bs4) kullanarak yüklemelisiniz .
— Anthon
@Anthon bilginizi içeriyor
— Zelda
5

Belki "hile yapıyor" ama bir seçenek pup, komut satırı HTML ayrıştırıcısı .

İşte bunu yapmanın iki yolu:

metaAlanı property="og:titlenitelik ile kullanma

$ wget -q 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' -O - | \
> pup 'meta[property=og:title] attr{content}'
Why Are Bad Words Bad?

ve titledoğrudan alanı kullanan başka bir yol (ve daha sonra sondaki - YouTubedizgiyi işaretleyerek).

$ wget -q 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc' -O - | \
> pup 'title text{}' | sed 's/ - YouTube$//'
Why Are Bad Words Bad?
— abetusk
kaynak
Karakter varlıklarından kaçınmak için, kullanıcılar pup'un --plainseçeneğini kullanmak isteyebilirler .
— en yüksek
3

lynxBu hile ( zsh, bashsözdizimi) kullanarak mümkün gibi görünüyor :

lynx -cfg=<(printf '%s\n' 'PRINTER:P:printf "%0s\\n" "$LYNX_PRINT_TITLE">&3:TRUE'
  ) lynx 3>&1 > /dev/null -nopause -noprint -accept_all_cookies -cmd_script <(
    printf '%s\n' "key p" "key Select key" "key ^J" exit
  ) 'http://www.youtube.com/watch?v=Dd7dQh8u4Hc'

Çünkü bu gerçek hayattan bir web tarayıcısı, diğer cevabımda bahsettiğim sınırlamaların birçoğundan muzdarip değil .

Burada, sayfayı yazdırırken ortam değişkenini geçerli sayfanın başlığına lynxayarlayan gerçeği kullanıyoruz $LYNX_PRINT_TITLE.

Yukarıda, biz denilen bir vaşak "yazıcı" tanımlar (bir boru gibi) bir yapılandırma dosyası veriyoruz Psadece tanımlayıcı dosya o değişkenin içeriğini verir 3(yani dosya tanıtıcı yönlendirilir lynxile 'ın stdout'u 3>&1vaşak stdout'u kendisi yönlendirildi iken ile / dev / null).

Sonra lynxkullanıcı basmayı pve End(aka select) ve Enter( ^J) tuşlarını simüle etmek için komut dosyası özelliğini kullanırız .

-accept_all_cookies Aksi gibi, lynx kullanıcıdan her çerez için onay isteyecektir.

— Stéphane Chazelas
kaynak
3

Basit yol:

curl -s example.com | grep -o "<title>[^<]*" | tail -c+8

Birkaç alternatif:

curl -s example.com | grep -o "<title>[^<]*" | cut -d'>' -f2-
wget -qO- example.com | grep -o "<title>[^<]*" | sed -e 's/<[^>]*>//g'
— kenorb
kaynak
1
Bunlar benim için işe yarayanlar!
— Ahmad Awais
1

Stéphane Chazelas'ı Lynx ve LYNX_PRINT_TITLE kullanma fikri hoşuma gitti, ancak bu senaryo benim için Ubuntu 14.04.5 altında işe yaramadı.

Lynx'i kullanarak ve önceden yapılandırılmış dosyaları kullanarak basitleştirilmiş bir versiyonunu yaptım.

Aşağıdaki satırı /etc/lynx-cur/lynx.cfg dosyasına (veya lynx.cfg'in bulunduğu yere) ekleyin:

PRINTER:P:printenv LYNX_PRINT_TITLE>/home/account/title.txt:TRUE:1000

Bu satır, başlık yazarken "/home/account/title.txt" dizinine kaydedilmesini ister - istediğiniz herhangi bir dosya adını seçebilirsiniz. ÇOK büyük sayfalar talep edersiniz, yukarıdaki değeri "1000" den istediğiniz sayfa başına istediğiniz sayıda satıra yükseltin, aksi takdirde Lynx "çok fazla sayıda sayfa içeren bir belge yazdırırken" sorusunu ekleyecektir.

Ardından /home/account/lynx-script.txt dosyasını aşağıdaki içeriklerle oluşturun:

key p
key Select key
key ^J
exit

Ardından, aşağıdaki komut satırı seçeneklerini kullanarak Lynx'i çalıştırın:

lynx -term=vt100 -display_charset=utf-8 -nopause -noprint -accept_all_cookies -cmd_script=/home/account/lynx-script.txt "http://www.youtube.com/watch?v=Dd7dQh8u4Hc" >/dev/nul

Bu komutun tamamlanmasından sonra /home/account/title.txt dosyası sayfanızın başlığı ile oluşturulacaktır.

Uzun lafın kısası, burada verilen URL'ye dayalı bir sayfa başlığı döndüren veya hata durumunda yanlış veren bir PHP işlevidir.

function GetUrlTitle($url)
{
  $title_file_name = "/home/account/title.txt";
  if (file_exists($title_file_name)) unlink($title_file_name); // delete the file if exists
  $cmd = '/usr/bin/lynx -cfg=/etc/lynx-cur/lynx.cfg -term=vt100 -display_charset=utf-8 -nopause -noprint -accept_all_cookies -cmd_script=/home/account/lynx-script.txt "'.$url.'"';
  exec($cmd, $output, $retval);
  if (file_exists($title_file_name))
  {
    $title = file_get_contents($title_file_name);
    unlink($title_file_name); // delete the file after reading
    return $title;
  } else
  {
    return false;
  }
}

print GetUrlTitle("http://www.youtube.com/watch?v=Dd7dQh8u4Hc");
— Maxim Masiutin
kaynak
0

Nokogiri kullanarak, etiketin iç metnini çıkarmak için basit bir CSS tabanlı sorgu kullanabilirsiniz:

 $ nokogiri -e 'puts $_.at_css("title").content'
 Why Are Bad Words Bad? - YouTube

Benzer şekilde, etiketin "content" özniteliğinin değerini çıkarmak için:

$ nokogiri -e 'puts $_.at_css("meta[name=title]").attr("content")'
Why Are Bad Words Bad?
— zirve
kaynak
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.