Embera - PHP Oembed消费者库
2024-05-20 08:41:38作者:明树来
Embera是一个用PHP编写的Oembed消费者库,它能从文本中提取URL,并向匹配的服务查询媒体信息,然后嵌入相应的HTML。支持包括YouTube、Twitter、Livestream、Dailymotion、Instagram和Vimeo在内的超过150个站点。
安装
通过Composer安装最新稳定版本:
$ composer require mpratt/embera:~2.0
如果你不使用Composer,可以下载最新发布版或克隆本仓库,然后引入src/Autoloader.php文件。
require '....../Autoloader.php';
use Embera\Embera;
$embera = new Embera();
系统要求
- PHP >= 7.0(5.6版本也应可运行)
- 需要Curl扩展或者开启allow_url_fopen
基础用法
最常见、最基本的示例如下:
use Embera\Embera;
$embera = new Embera();
echo $embera->autoEmbed('嗨!你看过这个视频吗?https://www.youtube.com/watch?v=J---aiyznGQ 这是最棒的!');
这段代码会返回类似下面的HTML文本:
嗨!你看过这个视频吗?
<iframe
width="459"
height="344"
src="https://www.youtube.com/embed/J---aiyznGQ?feature=oembed"
frameborder="0"
allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture"
allowfullscreen
></iframe>
这是最棒的!
你还可以获取URL的Oembed数据:
use Embera\Embera;
$embera = new Embera();
print_r($embera->getUrlData([
'https://vimeo.com/374131624',
'https://www.flickr.com/photos/bees/8597283706/in/photostream',
]));
这将返回一个数组,包含了每个URL的相关详细信息。
文档
更多关于配置、使用方法和支持提供商的详细信息,请参阅以下文档:
升级指南
从1.9.x及以上版本迁移时请注意,目录结构已改变,库现在位于src文件夹中,并提供了非Composer环境下的自动加载器。配置数组已简化,请参考使用与配置说明进行更新。
另一个重大变化是inspectUrlInfo()方法现在改名为getUrlData(),HtmlFormatter类不再存在,因为库现在允许其他类型的模板处理。
升级过程应该相当简单,查看文档以了解更多信息。
提交问题和功能请求
在GitHub上跟踪错误和功能请求。
作者
Michael Pratt - yo@michael-pratt.com - http://www.michael-pratt.com
查看贡献者列表,感谢所有参与此项目的人。
如果你喜欢这个库,觉得它对你有所帮助并想支持我,可以通过PayPal捐赠。
许可证
Embera遵循MIT许可协议,请查阅LICENSE文件了解详情。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 STM32到GD32项目移植完全指南:从兼容性到实战技巧 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 开源电子设计自动化利器:KiCad EDA全方位使用指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
680
160
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
Ascend Extension for PyTorch
Python
229
259
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660