URL's op pagina zoeken

[BARO]

Ik ben nu al een tijd aan het zoeken naar een functie in PHP die bijvoorbeeld URL's op een pagina kan opzoeken en in een array/string kan plaatsen.

Als je dan een pagina hebt met <a href="http://www.url.nl">Bladiebla</a>, dat je dan http://www.url.nl én Bladiebla terugkrijgt.

(beetje vergelijkbaar met:

PHP:

<?php
 $msg = eregi_replace("\[url\][[:space:]]*(http://)?([^\\[]*)[[:space:]]*\[/url\]","<a href=\"http://\\2\" target=\"_blank\">http://\\2</a>", $msg);
?>

maar dan moet ie de tekst niet vervangen, maar teruggeven als variabele.)

Hoe kan ik dit het beste uitvoeren?

[ Voor 0% gewijzigd door BARO op 26-05-2008 20:22 . Reden: hm, titel moet veranderd worden in [PHP] URL's op pagina zoeken ]

[RobIII]

Al eens hier gekeken

[BARO]

Ja, had daar al gezocht naar een functie hiervoor, maar heb niets kunnen vinden. Ook geprobeerd met preg_match() ( en array_push() ), maar daarmee kun je volgens mij alleen een output krijgen als true en false, en ik wil juist echt het stuk tekst hebben.

[ibmos2warp]

Preg_match kan je toch gewoon gebruiken? Je moet het derde argument, matches meegeven, die array wordt dan gevult, en kan je dan gebruiken .

[compufreak88]

preg_match_all is beter geschikt. preg_match houdt het na 1 match voor gezien, terwijl preg_match_all ze allemaal matched.

De regex die je daarboven hebt staan, die matched alleen ubb style urls. Je zult dus echt moeten matchen op <a href..

[ Voor 27% gewijzigd door compufreak88 op 27-05-2008 06:55 ]

[Onbekend]

Je kan niet altijd matchen met "<a href" omdat deze situatie ook voor kan komen: "<a class="xxx" href"

De methode om te zoeken is om eerst te zoeken naar "<a" en dan zoeken naar de eerstkomende "href=". Let er wel op dat je hoofdletter onafhankelijk moet zoeken. Bij links die beginnen met een hekje moet je de originele webpaginanaam er voor zetten.

[Verwijderd]

Je kan ook gebruik maken van het DomDocument model. Daar kan je een html pagina inladen. Daar gooi je een xpath query overheen om de anchors uit de html te filteren. Werkt erg mooi en je kan daarna alle attribute en node values opvragen van de gevonden a tags.

[RobIII]

Onbekend schreef op dinsdag 27 mei 2008 @ 07:49:
Bij links die beginnen met een hekje moet je de originele webpaginanaam er voor zetten.

En dan laat je <base href=""> en dat soort zaken nog buiten beschouwing

[Enfer]

Als je gaat "prutsen" met reguliere expressies, moet je natuurlijk er ook even aan denken dat je je URL's gaat resolven. Vaak heb je op een webpagina namelijk een url naar bv ../bla.html , wat naderhand niet bruikbaar is als je het wilt gebruiken