[請益] 擷取網頁內容時，想把不要的內容排除
我現在要做一個事情，是分析歌詞裡常出現的詞句。
當然首先就要先收集大量的歌詞，我就去常見的歌詞網來
找，他們的歌詞都有寫在網頁的meta裡，像這樣
<meta name="description" content="八卦 黃安作曲 八卦八卦我牽掛" />
所以很容易用 get_meta_tags就可以截取出來，我擷取出
來以後，先把每一句歌詞後面的空白變成<br>，然後每遇
到一個<br>，就把它放入陣列裡面。這樣echo陣列，就會
印出每一句歌詞。
但是印出陣列時，我發現除了歌詞之外，還會擷取到
詞曲作者的資訊，這不是我需要的，大概會變成這樣：
作詞：黃安<br>
演場：白安<br>
/<br>
李慶安<br>
導演：李安<br>
八卦八卦我牽掛<br>
找不到你爸爸<br>
找不到你媽媽<br>
找不到你全家<br>
我目前遇到的兩個問題是，有兩個演唱人時，原本他是用
/ 和空白區隔，都被我的<br>處理到了。另一個問題就是
上面提到的，作曲人資訊我完全不需要，有什麼辦法可以
把那些資訊剃除掉呢？
目前想到的方法是，把導演、作詞、作曲等等所有的
資訊都收集起來，做一個判斷式，遇到了就不輸出。可是
這就面臨前一段指出的，雙演唱人誤判的問題。而不先處
理空白變成<br>，把歌詞分段輸入陣列，就不能做判斷，
所以就卡關了。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.232.160.76
※ 文章網址: https://www.ptt.cc/bbs/PHP/M.1445244735.A.3C0.html
※ 編輯: poeta (36.232.160.76), 10/19/2015 16:52:45
推
10/19 17:06, , 1F
10/19 17:06, 1F
→
10/19 17:06, , 2F
10/19 17:06, 2F
推
10/19 17:08, , 3F
10/19 17:08, 3F
→
10/19 17:10, , 4F
10/19 17:10, 4F
推
10/19 23:18, , 5F
10/19 23:18, 5F
→
10/19 23:18, , 6F
10/19 23:18, 6F
→
10/19 23:19, , 7F
10/19 23:19, 7F
→
10/20 02:56, , 8F
10/20 02:56, 8F
推
10/20 09:30, , 9F
10/20 09:30, 9F
→
10/20 09:31, , 10F
10/20 09:31, 10F
PHP 近期熱門文章
PTT數位生活區 即時熱門文章
