采集时常常要对网站内容进行重复判断，php判断正文内容比较困难，对于标题的判断还是比较简单，只要过滤标题中的版权，再用similar_text计算<?php <br />
/*<br>
* php计算title标题相似比 by enenba.com<br>
*<br>
* @param string $title_1 题目1<br>
* @param string $title_2 题目2<br>
* @return float $percent 相似百分比<br>
*/<br>
function title_similar($title_1,$title_2) {<br>
$title_1 = get_real_title($title_1);<br>
$title_2 = get_real_title($title_2);<br>
similar_text($title_1, $title_2, $percent);<br>
return $percent;<br>
}<br>
/**<br>
* php采集文章题目并去版权<br>
* @param string $html 需要采集的html源代码<br>
* @return string<br>
*/<br>
<br>
function get_real_title($str){<br>
$str = str_replace(array('-','—','|'),'_',$str);<br>
$splits = explode('_', $str);<br>
$l = 0;<br>
foreach ($splits as $tp){<br>
$len = strlen($tp);<br>
if ($l
}<br>
$tt = trim(htmlspecialchars($tt));<br>
return $tt;<br>
}<br>
<br>
<br>
//以下是测试<br>
$title_1 = '代号PHPCMS V9产品正式发布公测版本 - 站长之家';<br>
$title_2 = 'PHPCMS再战江湖 V9产品正式发布公测版本 - 站长网 admin5.com';<br>
$percent = title_similar($title_1,$title_2);<br>
echo '相似百分比：'.$percent.'%';<br>
echo "<br>\n";<br>
<br>
?> http://blog.ddian.cn/?post=874
AD：真正免费，域名+虚机+企业邮箱=0元
![[웹 프런트엔드] Node.js 빠른 시작](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
