php+регулярки=вытащить ссылки со страницы

[Русская мафия]

Есть у кого нибудь готовая регулярка? Поделитесь плиз

[Regent]

А для каких целей?

[Telemad]

когда-то использовал

preg_match_all("/\s*href\s*=\s*[\"\']{0,1}([^\s\"\']+)[\"\'\s]+/ims",file_get_contents('http://rambler.ru'),$aResult);
echo '<pre>';
print_r($aResult[1]);
echo '</pre>';
exit;

еще такое было

preg_match_all("/<a\s*?href=[\'|\"]{0,1}(.*?)[\'|\"]{0,1}(?= |>)/si", $sHTMLtext, $aResult);

может что-то среднее поможет наиболее точно сылки выдернуть

[kibergex]

php dom есть. Указуешь путь, и вытягиваешь элементы.

[chahlic]

Сообщение от Русская мафия

Есть у кого нибудь готовая регулярка? Поделитесь плиз

вот накидал примерчик (выдираем все ссылки с http://site.ru):

PHP код:

<?php
$content = file_get_contents("http://site.ru");
$pattern = '%<a[^>]*>.*?</a>%im';
preg_match_all($pattern, $content, $out);
foreach($out[0] as $key => $value) {
    print $value.'<br>';
}
?>

ПысЫ: регулярка не моя, но вроде работает

[Regent]

Сообщение от chahlic

вот накидал примерчик (выдираем все ссылки с http://site.ru):

PHP код:

<?php
$content = file_get_contents("http://site.ru");
$pattern = '%<a[^>]*>.*?</a>%im';
preg_match_all($pattern, $content, $out);
foreach($out[0] as $key => $value) {
    print $value.'<br>';
}
?>

ПысЫ: регулярка не моя, но вроде работает

Только она например об такое спотыкнётся

<a href="/" title"<a href=\"#\"></a>">Ссылка</a>

[Русская мафия]

Regent, для создания карт сайтов


chahlic, нужно чтоб все случаи тянуло


Telemad, попробую понять, спс

[Regent]

Русская мафия, это какой - то онлайн - сервис?
Либо для создания внутренней карты сайта?
Почти идеальным будет сначало вырезать все экранированные символы \\.
Далее вырезать все коментарии <!---->
Далее вырезать все строки '[^']*' и "[^"]*"
Далее вырезать все тэги <script> - <script[^>]*>.*</script>
Ну и дальше уже можно смотреть ссылки. Как - то так.

[Русская мафия]

Сообщение от Regent

Русская мафия, это какой - то онлайн - сервис?

да, именно. Нужно вытащить внутренние и внешние ссылки

[Regent]

Сообщение от Русская мафия

да, именно. Нужно вытащить внутренние и внешние ссылки

Хы, ну надо было так и сразу говорить
Берёте, делаете AJAX запрос через самопальный php прокси.
Дальше анализируете DOM дерево например с помощью jQuery ну и самое простое, это перебираете все ссылки.
Примерно так:

<script type="text/javascript" src="http://ajax.googleapis.com/ajax/libs/jquery/1.3.2/jquery.min.js"></script>
<script type="text/javascript">
// После полной загрузки страницы
$(
  function(){
    $( 'form#chekLinks' )
    .submit(
      function(){

$.ajax({
  url: 'адресНашегоСкрипта.php',
  type: 'POST',
  data:{
    url:$( this ).find( 'input:text' ).val()
  },
  success: function( DOM ){
    var result = $( DOM ).find( 'a' ).map( function(){
      // Здесь возвращает поочерёдно адреса ссылок
      return this.href;
    } )
    // Склеиваем полученый массив
    .join( '<br />' );
    // Вставляем результат
    $( '#chekLinksResults' ).html( 'Адреса на страницы:<br />' + result );
  }
};
        return false;
      }
    );
  }
);
</script>
<form id="chekLinks" action="">
<input type="text" value="Адрес сайта" />
</form>
<div id="chekLinksResults"></div>

А вот самопальный прокси:

PHP код:

$handle = fopen( $_POST[ 'url' ], 'r' );
if( $handle ){
    while( !feof( $handle ) ){
        $buffer = fgets( $handle, 4096 );
        echo $buffer;
    }
fclose($handle);
} 


И всё без перезагрузки страницы
Писал быстро, извеняюсь за ошибки.