вопрос о парсерах

Есть такое, если надо, в привате будет что объяснить

Не понимаю зачем в таком простом вопросе ПМ, но уже пишу. Не могу просто регулярку добить.

ivashka добавил 15.02.2008 в 02:07

Не могу почему-то писать к тебе в личку. Ответь пожалуйсто тут. Спасибо.

Сорри, был пьян и много флейма оставил, а удалить не могу :(

Эта функция считает количество внешних ссылок на сайте.

$p - текст страницы

$site - урл сайта, на котором эта страница.

//Вспомагательная функция

function crop_text($str)

{

$x1=0;

$x2=0;

$x=0;

if(strlen($str)<4) return '';

$x1=strpos($str,'>');

$x2=strpos($str,'"',2);

$x=($x1<$x2)?$x1:$x2;

$str=substr($str,1,$x-1);

return $str;

}

//Эта функция

function math_links($p,$site)

{

$pr='';

unset($temp);

$outlink=0;

$temp=explode('href=',$p);

$pr.='Ссылок всего: '.(sizeof($temp)-1).'<br />';

//Вырезаем лишний текст - в массиве остаются только ссылки

array_walk($temp,'crop_text');

$site=str_replace('http://','',$site);

$site=str_replace('www.','',$site);

for($i=1;$i<sizeof($temp);$i++)

if((!strpos($temp[$i],$site))&&(strpos($temp[$i],'http')))$outlink++;

return $outlink;

}

Чтобы получить текст страницы используйте curl

а я примерно так получал ссылки

        preg_match_all('#<a.+href="([^"]+)"#U', $text, $links);
        if (isset($links[1]))
            $links[1] = array_unique($links[1]);

+ в регэксп можно внести поправки на одинарные кавычки..

Огромное спасибо. Задача успешно решена.

если кому интересно, самый простой способ:

preg_match_all('/\<a.+?href="(.*?)".*?\>(.+?)\<\/a\>/', $html, $matches);

$matches[1] - ссылки

$matches[2] - текст ссылки

всем огромное спасибо.

nikitian особое спасибо за функцию подсчета количества ссылок)

ivashka добавил 16.02.2008 в 00:55

Еще один вопросик. Я получаю массив со всеми ссылками, но как мне различить внутренние и внешние? Тоесть что бы в одном массиве остались внутренние а в другом - внешние. Заранее благодарен.

При разборе массива:

if (substr_count($matches[1][$key], "://")) echo $matches[1][$key]." - внешняя ссылка";

else echo $matches[1][$key]." - внутренняя ссылка";