Problema al extraer el primer parrafo

[xarmagedonx]

Hola FDW!!, tengo un problema con mi código, al intentar extraer el primer párrafo de un sitio web, me guarda en la bd un campo en blanco.

Utilizo DOM para descargar el sitio web, que guardo en la variable $html.

El código que utilizo es el siguiente:

Código PHP:

  function obtenerMetaDescription($html) {
     preg_match_all('#<p>(.*)</p>#Us', $html, $parraf);
    if(!empty($parraf)){
    $descripcion = substr(strip_tags($parraf[1][0]), 0, 200);
    }
    }  
   

Y para utilizarlo (utilizo empty($descripcion) porque la variable contiene la meta description, pero en caso de que no exista hago el if):

Código PHP:

      if (empty($descripcion)){
obtenerMetaDescription($html);
    }  
   

Lo que intento con el código es extraer el 1° párrafo para utilizarlo como descripción.

¿Alguien sabe como soluciono este problema?

Saludos y gracias!!!

[andresdzphp]

El problema con el primer párrafo es que puede o no contener algo interesante para usarlo como descripción. En el caso de Google su primer párrafo es: "© 2012 - Privacidad y condiciones". También hay que tener en cuenta que no todos los sitios tienen etiquetas de párrafo.

Sitios como FB lo que hacen es agregar la url y título de la página, en el caso de existir la descripción la agrega y coge 2 o 3 imágenes.

Puedes utilizar las clases DOM de PHP para obtener el primer párrafo o el título:

Código PHP:

$site = 'http://php.net';
$doc = new DOMDocument();
libxml_use_internal_errors(true);
$doc->loadHTMLFile($site);
$p = $doc->getElementsByTagName('p');
echo $p ->item(0)->nodeValue;
 

y las metatags con la función get_meta_tags.

Saludos.

[xarmagedonx]

Muchas gracias andres!, edite algunas variables y borre el echo para adaptarlo a mi código.

Lo estoy probando y funciona muy bien.

Saludos y gracias!