Какими инструментами можно сохранять конкретные страницы сайтов (свой веб-архив)?

Question

[26info]

Для собственных (а может и нет) нужд сделал сервис закладок www.relater.ru и к нему хочу прикрутить возможность сохранить конкретную страницу на которую делается закладка (на случай, если конечная страница будет недоступна).

Первое, что пришло в голову, это тупо wget'ом скачивать страницу, ну а дальше уже с ней работать (или оставлять как есть в архиве).

... но в идеале хочется сделать сохранение страницы как в фейсбуке или вконтакте (именно текст статьи), но не представляю как "выдерать" контент со страницы (текст статьи) и исключать мусор (шапка, футер, элементы меню).

Answer 1

[26info]

Решение найдено — https://github.com/feelinglucky/php-readability , на что в немалой степени повлиял ответ @MonkAlbino

Answer 2

[Michael Danilov]

What algorithm does Readability use for extracting... на английском SO.
Как это сделано парсинг ста... на Хабре от Mail.ru

Comments

[26info]

В комментариях к статье на хабре нашел это https://code.google.com/p/boilerpipe/

В общем-то алгоритм изначально был понятен, хотелось найти готовое решение — буду пробовать! Благодарю!

[26info]

@MonkAlbino благодарю за наведение на правильные мысли! — решение найдено https://github.com/feelinglucky/php-readability

Answer 3

[Александр]

Как сохранить html-страницу c помощью php в формат .rtf для последующей печати?

Comments

[26info]

"... но в идеале хочется сделать сохранение страницы как в фейсбуке или вконтакте (именно текст статьи)"