PHP 獲取網頁標題的三種實戰方法：cURL、file() 與 file_get_contents

抓取遠端網頁的 <title> 是爬蟲、書籤工具、SEO 審計的基礎需求。本文對比三種原生 PHP 方案，分析優劣與適用場景，附帶編碼自動偵測與正則提取細節。

方法一：cURL —— 最推薦，功能最完整

<?php
function getTitleByCurl($url) {
    $ch = curl_init();
    curl_setopt_array($ch, [
        CURLOPT_URL            => $url,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_FOLLOWLOCATION => true,
        CURLOPT_MAXREDIRS      => 5,
        CURLOPT_TIMEOUT        => 10,
        CURLOPT_USERAGENT      => 'Mozilla/5.0 (compatible; TitleBot/1.0)',
        CURLOPT_SSL_VERIFYPEER => false, // 僅測試環境建議關閉
    ]);
    $html = curl_exec($ch);
    $httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
    curl_close($ch);

    if ($httpCode !== 200 || !$html) return null;

    // 編碼偵測與轉換
    if (stripos($html, 'utf-8') === false && stripos($html, 'utf8') === false) {
        $html = @iconv('GBK', 'UTF-8//IGNORE', $html);
    }

    if (preg_match('/<title[^>]*>(.*?)<\/title>/is', $html, $m)) {
        return trim($m[1]);
    }
    return null;
}

echo getTitleByCurl('https://www.jb51.net');

優點： 支援 HTTPS、重定向、Cookie、Proxy、自定義 Header、錯誤處理、超時控制。
缺點： 需安裝 php-curl 擴展（現代主機多預裝）。

方法二：file() + implode() —— 老派寫法，逐行讀取

<?php
function getTitleByFile($url) {
    $lines = @file($url, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES);
    if (!$lines) return null;
    $html = implode('', $lines);

    if (stripos($html, 'utf-8') === false) {
        $html = @iconv('GBK', 'UTF-8//IGNORE', $html);
    }

    // 注意：eregi 已棄用，改用 preg_match
    if (preg_match('/<title[^>]*>(.*?)<\/title>/is', $html, $m)) {
        return trim($m[1]);
    }
    return null;
}

缺點： 無法控制 Header、超時、重定向；allow_url_fopen 需開啟；大檔案記憶體佔用高。

方法三：file_get_contents() —— 簡潔但功能受限

<?php
function getTitleByFGC($url) {
    $html = @file_get_contents($url);
    if (!$html) return null;

    if (stripos($html, 'utf-8') === false) {
        $html = @iconv('GBK', 'UTF-8//IGNORE', $html);
    }

    // 純字串定位，避免正則回溯效能問題
    $start = stripos($html, '<title>');
    if ($start === false) return null;
    $start += 7; // strlen('<title>')
    $end = stripos($html, '</title>', $start);
    if ($end === false) return null;

    return trim(substr($html, $start, $end - $start));
}

缺點： 同 file()，且無法自訂 User-Agent，易被反爬蟲屏蔽。

效能與穩健性對比

進階建議：使用 DOMDocument 解析

正則對付 HTML 易因屬性順序、換行、註釋而失效。生產環境建議：

$dom = new DOMDocument();
libxml_use_internal_errors(true);
$dom->loadHTML('<?xml encoding="UTF-8"?>' . $html);
libxml_clear_errors();
$titleNode = $dom->getElementsByTagName('title')->item(0);
$title = $titleNode ? trim($titleNode->textContent) : null;

此法天然處理實體編碼、巢狀標籤、大小寫差異，極大提升穩健度。

總結

• **首選 cURL** + DOMDocument，功能最全、最穩健。
• 簡單腳本、內網環境可用 file_get_contents + 字串定位。
• 務必處理編碼偵測（mb_detect_encoding 或檢查 Content-Type Header）。
• 尊重 robots.txt、設定合理 User-Agent、限制請求頻率，做個友善的爬蟲公民。