Linkurls mit regex erkennen

Freeaak · 01.10.2006, 23:28

Hallo!
Ich bastele eine Methode, die Links aus Webseiten ausliest. Um das weiterzuverarbeiten sollen alle relativen Links in absolute umgewandelt werden. Das funktioniert auch soweit, ich hab nur ein problem:
Wenn bei Links keine " " darum sind, dann werden sie nicht genommen. Wenn ich das mit den " " weglassen würde, bestände die Gefahr, dass andere Attribute, wie title oder onclick des a-tags dabeikommen, die hinter dem href=blaaaa stehen. Wie muss ich den regulären Ausdruck dazu ändern?

Quelltext:

PHP-Code:

          function getContent()

    {

        return file($this->url);

    }

    

    function getLinks()

    {

        preg_match_all("/<a[^>]+href(.*)>(.*)<\/a>/U",implode("\n",$this->getContent()),$sp);

        $links = $sp[0];

        $linksneu = array();

        foreach($links as $link)

        {

            $linkurl = preg_replace("/<.*href=\"(.*)\">.*<\/a>/Ui","$1",$link);

            if(!preg_match("/(.*):\/\/(.*)/Ui",$linkurl)) $linkurl = $this->url.$linkurl;

            array_push($linksneu,$linkurl);

        }

        return $linksneu;

    }

Gruß Freeaak

nikosch · 02.10.2006, 00:00

Das kommt drauf an. aber normalerweise müssen ja entweder Parameter in Stringbegrenzern stehen oder aber sollten zumindest ohne Leerzeichen, d.h. url codiert sein sein
Also vielleicht sowas (nicht getestet aber so etwa)

<a\s+[^>]+href\s*=\s*(?:\"([^\"]+)\"|([^\s]+))[^>]*>(.*)<\/a>/Ui

Der andere Ausdruck erkennt übrigens keine <a> tags mit weiteren Parametern hinterm href bzw. viel zu viel
--n

Themen-Optionen
Druckbare Version zeigen Jemanden per E-Mail auf dieses Thema hinweisen
Thema bewerten
Thema bewerten:

Ähnliche Themen
Thema	Autor	Forum	Antworten	Letzter Beitrag
Array sortieren mit regex	Lupi	PHP Tipps 2008	3	21.07.2008 15:17
Regex: Auslesen der Meta-Tags einer Webseite Sucheingrenzung	pepe24	PHP Tipps 2008	12	31.05.2008 15:41
2 Regex in PHP kompatible Syntax übersetzen	NoiZy	PHP-Fortgeschrittene	6	07.04.2008 09:04
Regex Link Problem	Broadcast	PHP Tipps 2008	2	29.02.2008 16:30
Gierig/nicht gieriger Regex	Papst	PHP Tipps 2008	22	02.12.2007 20:15
[gelöst :D ] regex tuts nur einmal pro zeile	notyyy	PHP Tipps 2008	17	24.09.2007 15:40
RegEx für Mail-Adresse (Bitte prüfen!)	vollkommenegal	PHP Tipps 2006	13	20.11.2006 20:02
Regex löscht alle Zeilenumbrüche.	Anduril	PHP Tipps 2006	3	16.10.2006 22:36
habe ein paar fragen zu REGEX	imported_kremser	PHP Tipps 2006	11	31.01.2006 15:30
RegEx findet Stringvorkommen nicht		PHP Tipps 2007	6	08.12.2005 21:52
Suche ein bestimmtes Regex	Chr!s	PHP Tipps 2005	5	21.05.2005 12:01
Anker Links parsen (RegEx)	Spyker	PHP Tipps 2005	1	31.01.2005 12:01
Regex für attribute in quelltexten	robo47	PHP Tipps 2005	6	27.01.2005 18:29
[Erledigt] Regex für selektives Replacement		PHP-Fortgeschrittene	2	25.12.2004 15:57
Problem mit regex		PHP Tipps 2004	1	09.09.2004 10:00

01.10.2006, 23:28
Freeaak Erfahrener Benutzer Registriert seit: 05.04.2005 Beiträge: 1.333	Linkurls mit regex erkennen Hallo! Ich bastele eine Methode, die Links aus Webseiten ausliest. Um das weiterzuverarbeiten sollen alle relativen Links in absolute umgewandelt werden. Das funktioniert auch soweit, ich hab nur ein problem: Wenn bei Links keine " " darum sind, dann werden sie nicht genommen. Wenn ich das mit den " " weglassen würde, bestände die Gefahr, dass andere Attribute, wie title oder onclick des a-tags dabeikommen, die hinter dem href=blaaaa stehen. Wie muss ich den regulären Ausdruck dazu ändern? Quelltext: PHP-Code: function getContent() { return file($this->url); } function getLinks() { preg_match_all("/<a[^>]+href(.)>(.)<\/a>/U",implode("\n",$this->getContent()),$sp); $links = $sp[0]; $linksneu = array(); foreach($links as $link) { $linkurl = preg_replace("/<.href=\"(.)\">.<\/a>/Ui","$1",$link); if(!preg_match("/(.):\/\/(.*)/Ui",$linkurl)) $linkurl = $this->url.$linkurl; array_push($linksneu,$linkurl); } return $linksneu; } Gruß Freeaak


Mister Ad PHP Code Flüsterer Registriert seit: 21.08.2005 Beiträge: 4682 PHP-Kenntnisse: Fortgeschritten

02.10.2006, 00:00
nikosch moderatives Dielektrikum Registriert seit: 21.05.2008 Beiträge: 35.987 PHP-Kenntnisse: Fortgeschritten	Das kommt drauf an. aber normalerweise müssen ja entweder Parameter in Stringbegrenzern stehen oder aber sollten zumindest ohne Leerzeichen, d.h. url codiert sein sein Also vielleicht sowas (nicht getestet aber so etwa) <a\s+[^>]+href\s=\s(?:\"([^\"]+)\"\|([^\s]+))[^>]>(.)<\/a>/Ui Der andere Ausdruck erkennt übrigens keine <a> tags mit weiteren Parametern hinterm href bzw. viel zu viel --n