包简介

Extract information from web pages.

README 文档

README

Extractum is a PHP library that extracts information from web pages.

Getting Started

Installation

composer require markuspoerschke/extractum

Usage

$uri = 'https://www.example.com/';
$html = file_get_contents($uri);

$extractor = new Extractum\Extractor();
$essence = $extractor->extract($html, $uri);

Extracted Information

The extracted information are returned as an object of type Extractum\Essence.

Property	Description
`date`	The date when the web page was published.
`description`	Normally the meta description or any other excerpt.
`image`	The URL to the preview image. Normally defined as a Open Graph attribute.
`language`	The two character language code of the HTML tag.
`links`	All links within the main content.
`parsedDate`	A `DateTimeImmutable` object if `date`
`text`	Unformatted text of the main content. All new lines and not needed spaces are removed.
`title`	The web pages’s title. This is normally the content of the first `h1` tag.

License

This package is released under the MIT license.

markuspoerschke/extractum 适用场景与选型建议

markuspoerschke/extractum 是一款基于 PHP 开发的 Composer 扩展包，目前已累计 1.1k 次下载、GitHub Stars 达 4，最近一次更新时间为 2020 年 12 月 23 日，在 PHP 生态内属于活跃度较高的组件。

它主要适用于以下技术方向：「scraper」「extractor」「readability」等业务场景。在实际项目中，围绕这些方向常见需要落地的问题包括：接口对接、性能调优、并发安全、与既有框架（Laravel / ThinkPHP / Yii / Webman 等）的兼容适配，以及生产环境的日志埋点与稳定性保障。

我们在过去多个企业项目中使用过 markuspoerschke/extractum 或与其功能相近的方案，如果你在选型或落地过程中遇到问题，例如 版本兼容、二次改造、私有化封装、与内部系统对接、生产 BUG 排查，欢迎联系我们协助评估。

围绕 markuspoerschke/extractum 我们能提供哪些服务？

定制开发 / 二次开发

基于 markuspoerschke/extractum 在你已有业务上做功能扩展、字段裁剪、UI 适配、与内部账号 / 权限 / 日志系统的深度对接。

BUG 修复 & 性能优化

线上偶发问题、内存泄漏、慢查询、并发异常等排查修复；针对高流量场景做缓存、队列、索引层面的调优。

项目外包 & 长期维护

承接完整的项目从需求 → 设计 → 开发 → 上线 → 长期运维；也可按月提供技术保姆服务。

yvsm@zunyunkeji.com QQ：316430983 微信：yvsm316 西安尊云信息科技 · 专注 PHP / Go / 分布式系统研发