[PHP] Frame src uit webpagina

donderdag 1 april 2004 10:05

Acties:

0 Henk 'm!

Verwijderd

Topicstarter

Omdat ik nu enige tijd bezig benmet mijn zoekmachine heb ik nu het volgende probleem. Ik heb een database met daarin ongeveer >30.000 adressen van webpagina's . Die worden geindexeerd door mij. Bij elke pagina haal ik ook een gedeelte van de content op dat tussen de <body></body> tags staat. Wanneer een pagina een index.html achter haar url heeft staan waarin frames staan krijg ik dus alleen een frame src en bijna geen body terug.

Voorbeeld:

code:

<FRAMESET ROWS="25%,25%,25%,25%">  

    <FRAME SRC="frame1.htm"> 

    <FRAME SRC="frame2.htm">

    <FRAME SRC="frame3.htm">

    <FRAME SRC="frame4.htm">

  </FRAMESET>

Wat ik nu aan jullie wil vragen is, hoe zouden jullie het aanpakken om die content daar uit te krijgen? Ik zit te denken aan een expressie die de src van alle frames ophaalt en die vervolgens naloopt zoals mijn script dat bij elke pagina telkens doet.

PHP:

1	while (ereg("([<frameset]^.)(.)[<\/frameset>]$)",$content,$src)) { (niks) }

Is wat ik nu heb, maar dit werkt niet zoals het zou moeten

Iemand die mij kan helpen met die probleem?

Alvast bedankt

donderdag 1 april 2004 10:20

Acties:

0 Henk 'm!

Spider.007

* Tetragrammaton

PHP:

1
2
3

<?
while (ereg("([<frameset]^.*)(.*)[<\/frameset>]$)",$content,$src)) { (niks) }
?>

Ziet er goed uit

Waarom werkt hij niet dan? Zijn er geen alternatieven om dit soort tekst eruit te vissen?

---
Prozium - The great nepenthe. Opiate of our masses. Glue of our great society. Salve and salvation, it has delivered us from pathos, from sorrow, the deepest chasms of melancholy and hate

donderdag 1 april 2004 10:25

Acties:

0 Henk 'm!

Verwijderd

Topicstarter

Waar nu staat "(niks)" heb ik vervangen door

PHP:

1	echo $src[0];

Om te zien wat ik terug kreeg van de expressie. Maar hij zet totaal niks in de array. ($content zit wel vol met gegevens).

Als er een andere manier is zou ik die heel graag willen weten want ik zit nu wel even vast op dit probleem

donderdag 1 april 2004 11:46

Acties: