Extraer <title> con DOM en PHP

[xarmagedonx]

Hola compañeros de FDW!!

Busqué por Google y distintos sitios como extraer el titulo de una página, pero no encontré lo que buscaba.

Estoy extrayendo todos los enlaces de un sitio web, pero quiero obtener ahora todos los titulos de cada una de las páginas.

La sección de código que utilizo es la siguiente:

Código PHP:

[...]
$dom = new DOMDocument();
@$dom->loadHTML($html);
 
for ($i = 0; $i < $hrefs->length; $i++) {
    $href = $hrefs->item($i);
    $url = $href->getAttribute('href');
[...]
 

Con Curl descargo la página y luego con DOM, obtengo los links, el código que uso actualmente para extraer el titulo es el siguiente:

Código PHP:

preg_match_all ("(<title>(.*)</title>)siU", $html, $title);
 

Pero esto no funciona, ya que solo extrae el titulo de la página inicial. ¿Cómo puedo lograr que se extraiga el titulo de cada link?

Muchas gracias a todos!

[quimfv]

La tecnica que usas lee la pagina que has cargado, luego puede leer los links que esta contenga, el title de las pagina enlazadas esta en la pagina no en la actual ... luego deberías cargar cada una de las paginas....

O cambiar de estrategia y usar getAttribute('title') si las etiquetas <a.... title="si el titulo que quieres leer esta aqui"> tienen ese atributo o usar una expresion regular para leer el innerHTML de la etiqueta del link

<a href="...">si el titulo que quieres leer esta aqui</a>

[xarmagedonx]

Gracias por la respuesta quimfv. Yo lo que intento es extraer el titulo de cada página (<title></title>). Osea de todos los links que extrae quiero poder obtener el titulo de cada uno osea lo que se encuentra dentro de <title>****</title>.

Con preg_match_all solo puedo extraer el de la primera página, pero no el titulo de las demás.

[pateketrueke]

1. Sólo estás cargando el DOM de una sola pagina
2. Las demás paginas no se cargan por arte de magia
3. Necesitas tu cargar pagina por pagina para extraer el titulo

[xarmagedonx]

Iniciado por pateketrueke

1. Sólo estás cargando el DOM de una sola pagina
2. Las demás paginas no se cargan por arte de magia
3. Necesitas tu cargar pagina por pagina para extraer el titulo

jajaj me parecía que me estaba olvidando de algo.

¿Para cargar las otras páginas se haría de la siguiente manera?:

$dom = new DOMDocument();
@$dom->loadHTML($url);

Luego vuelvo a extraer enlaces, que podría guardarlos en un archivo, y extraigo los titulos de cada una.

edit: Acabo de probar con preg_match_all ('/<title>(.*)<\/title>/',file_get_contents($url), $title); pero no me extrae el titulo sino que imprime el sig texto: "Array".

EDITO: Perdón, no añadí parte del código cuando copie, el código original es este:

Código PHP:

$ch = curl_init();
 
curl_setopt [...]
 
$html= curl_exec($ch);
if (!$html) {
    echo "<br />cURL error number:" .curl_errno($ch);
    echo "<br />cURL error:" . curl_error($ch);
    exit;
}
 
$dom = new DOMDocument();
@$dom->loadHTML($html);
 
$xpath = new DOMXPath($dom);
$hrefs = $xpath->evaluate("/html/body//a");
 
for ($i = 0; $i < $hrefs->length; $i++) {
    $href = $hrefs->item($i);
    $url = $href->getAttribute('href');
preg_match_all ("(<title>(.*)</title>)siU", $html, $title);
[...]
 

[xarmagedonx]

Hola de nuevo, estube provando de distintas maneras, pero no conseguí hacer el bucle necesario para que se repita la acción de descargar la página web y extraer su titulo.

Alguien tiene idea de como lograrlo??, no les pido el código, sino algún ejemplo o concepto de como poder desarrollarlo.

Saludos!

[quimfv]

Primero cargas el fichero, al mismo tiempo que lees los hrf creas un array con ellos, el bucle tiene que recorrer ese array he ir cargando los ficheros como en el primer caso....