[Lando]

Hej alla!
Jag skall bygga en enkel crawler och jag behöver lite hjälp. Har någon en färdig funktion i PHP som plockar ut länkar ur en klump text och lägger dom i en array?

Tex:

$text = 'sdhdfjzfgkzfhlkzghl<a href="http://www.sdsdh.se">sdfhdzfjfdvkj</a>dsfhdfjdfj';

get_href($text, $array);

//$array = array('http://www.sdsdh.se');

Den måste kunna ta _alla_ länkar. Med eller utan www efter http://.

Tacksam för svar.

[Clarence]

Enkelt och för det mesta tillräckligt:

preg_match_all('#<a[^>]* href="([^"]+)"[^>]*>([\w\W]+)</a>#i', $text, $matches);

I $matches[1] hittar du dina länkar och i $matches[2] dina länktexter, förutsatt att det är (i vissa aspekter) korrekt HTML.

[Lando]

Funkar inte alls. Kolla:

http://lando.se/c.php

//Kod

$text = file_get_contents("http://www.youtube.com");

preg_match_all('#<a[^>]* href="([^"]+)"[^>]*>([\w\W]+)</a>#i', $text, $matches);

header("Content-type: text/plain");
print_r($matches);

[Jawn]

preg_match_all('@(https?://([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?)@', $text, $matches);

[Nerox]

Jag suger på regexp så gjorde en loop etc..

function get_href($string) {
	$result = array();
	$x = 0;
	$array_1 = explode("href=\"",$string);
	foreach ($array_1 as $k => $v) {
		if(strstr($v,"http://") == true) {
			$v = substr($v,0,stripos($v,"\""));
			$result[$x++] = $v;
		}
	}
	return $result;

}

[Clarence]

Ursprungligen postat av Lando

Funkar inte alls. Kolla:

http://lando.se/c.php

//Kod

$text = file_get_contents("http://www.youtube.com");

preg_match_all('#<a[^>]* href="([^"]+)"[^>]*>([\w\W]+)</a>#i', $text, $matches);

header("Content-type: text/plain");
print_r($matches);

Blev visst lite sent för regexp Lägg till U modifiern så funkar den. Alltså:

preg_match_all('#<a[^>]* href="([^"]+)"[^>]*>([\w\W]+)</a>#Ui', $text, $matches);

Notera dock att denna tar vilken text som helst i href, inte bara http-adresser