|
|
Fox Mulder
: 16.11.2004
: 804
|
| : 21.12.2004, 14:08 : php: Links extrahieren und umschreiben |
|
|
Hallo,
ich möchte mit PHP in einem HTML Dokument alle Links finden und umschreiben.
Link Struktur im HTML Dokument:
<a href="dateiname?a=1&b=2&c=3">Linktext</a>
Nach dem Umschreiben solle die Links so o.ä. aussehen:
<a href="a1-b2-c3-Linktext.html">Linktext</a>
Die Anzahl der Parameter ist variabel.
Ich habe mit preg_match und Reg Expressions probiert die Links im HTML Dokument zu finden,
komme da aber nicht recht weiter.
Kennt jemand eine gute Ressource mit Beispielen in dieser Art?
Gruss |
|
| Nach oben |
|
 |
bull
: 20.09.2003
: 2176
: Vèneto
|
| : 03.02.2005, 00:49 : php: Links extrahieren und umschreiben |
|
|
*bump
Brauche gerade ebenfalls einen Linktextextraktor und scheitere. |
|
| Nach oben |
|
|
derHund
: 08.01.2005
: 299
|
| : 03.02.2005, 08:38 : php: Links extrahieren und umschreiben |
|
|
hmm,
hier http://pcre.nophia.de/evaluate/index.php findest du ein tool, daß dir eventuell ein wenig hilft, auch wenn es atm nicht viel mehr macht, als dir das debuggen abzunehmen. falls du dich mit regexp auskennst.
hier http://regexp-evaluator.de/tutorial.html findest du ein tutorial zum thema regexp, wenn du noch ein wenig wartest, hat der autor es geschafft, zu dem thema link-extraktion ein wenig zu schreiben.
im großen und ganzen brauchst du nur preg_match_all und den modifier U ... und den richtigen regexp 
allgemein:
| Code: |
| #<a.*href="(.*)".*>(.*)</a>#Uis |
ach, hier: http://pcre.nophia.de/evaluate/627b8618e1b823aa1e94d18127d215e7/index.php#output
für weitere angaben, wie title etc. einfach analog vorgehen. |
|
| Nach oben |
|
|
Fox Mulder
: 16.11.2004
: 804
|
| : 03.02.2005, 09:09 : php: Links extrahieren und umschreiben |
|
|
Ich hatte das hier gefunden, evtl. hilft es Dir weiter:
Quelle:
http://www.php-faq.de/q/q-regexp-links-finden.html
Wie finde ich alle Links in einer HTML-Datei
$zeile sei der Inhalt einer zuvor eingelesenen HTML-Datei. Diese Variable muss innerhalb der While-Schleife neu zusammengebaut werden, sonst läuft man hier in eine Endlosschleife.
| : |
$pattern = '=^(.*)<a(.*)href\="?(\S+)"([^>]*)>(.*)</a>(.*)$=msi';
while (preg_match($pattern, $zeile, $txt))
{
/* $txt[3] enthält die gewünschte URL. */
echo $txt[3]."\n";
/* $zeile neu bauen */
$zeile = $txt[1]." hier war mal ein Link ".$txt[6];
}
/* $zeile zur Kontrolle ausgeben */
print "<br>".nl2br($zeile);
|
$txt enthält als Array alle Tokens, die in der Regexp in Klammern angegeben sind. $txt[0]als Sonderstellung enthält den ganzen Text.
Gruss |
|
| Nach oben |
|
|
Nexus
: 22.01.2004
: 107
: (DE|NRW|OWL)
|
| : 03.02.2005, 11:17 : php: Links extrahieren und umschreiben |
|
|
Hi,
Da ich alle Attribute vom Text haben will, mach ich es so:
| Code: |
function getAllLinksInHTML($text) {
preg_match_all('#<a(.+)>(.+)</a>#ismU',$text,$regs);
$links = array();
for($i=0;$i<count($regs[0]);$i++) {
preg_match_all('#(\w+)\s*=\s*"(.*)"#ismU',$regs[1][$i],$regs2);
$attribs = array();
for($ii=0;$ii<count($regs2[0]);$ii++) {
$attribs[strtolower($regs2[1][$ii])] = $regs2[2][$ii];
}
$links[] = array(
'text' => $regs[2][$i],
'attribs' => $attribs,
);
}
return $links;
}
|
zurückgegeben wird ein Array. Erstes Element ist der Linktext/Grafik, zweites Element ist ein Array mit allen Attributen von <a>. Die Url findet sich dann im Element href.
Am besten mal ausprobieren und mit
| Code: |
print_r(getAllLinksInHTML(file_get_contents('datei.html')));
|
anschauen.
Gruß
Raphael |
|
| Nach oben |
|
|
bull
: 20.09.2003
: 2176
: Vèneto
|
| : 03.02.2005, 13:23 : php: Links extrahieren und umschreiben |
|
|
Danke erstmal. Sobald allerdings onmouseover oder ähnliches drin ist, ist das Ergebnis nicht mehr befriedigend.
Mein konkretes Problem ist:
| Code: |
while (eregi("(<frame[^>]*src[[:blank:]]*=|href[[:blank:]]*=|http-equiv=['\"]refresh['\"] *content=['\"][0-9]+;[[:blank:]]*url[[:blank:]]*=|window[.]location[[:blank:]]*=|window[.]open[[:blank:]]*[(])[[:blank:]]*[\'\"]?((([a-z]{3,5}://)+(([.a-zA-Z0-9-])+(:[0-9]+)*))*($allowed_link_chars\[?$allowed_link_chars\]?$allowed_link_chars))(#[.a-zA-Z0-9-]*)?[\'\" ]?",$eval, $regs))
{
$eval = str_replace($regs[0],"",$eval);
...
|
dahingehend zu modifizieren, daß auch noch der Ankertext ausgelesen wird (wer den zitierten Code kennt hat 100 Punkte). Habe mich gestern länger daran versucht. |
|
| Nach oben |
|
|
![[B] gute Webkatalog-Links und mehr, Penguin-Konform](/foren/templates/DesertStorm/images/folder_lock.gif)
![[B] gute Webkatalog-Links und mehr, Penguin-Konform](/foren/templates/DesertStorm/images/icon_latest_reply.gif){kind=icon}
