Написал парсер сайта для создания sitemap.xml

пытаюсь для себя написать чтото подобное для сужебных целей, так что ваш скрипт оказался очень в тему (нашел через яндекса), я пока не очень силен в пхп.

хотел задать вопрос, у вас там встречается рег. выражение "!<a\s(.*?)href=(\s*?)\"?'?([^\"'\s>]+)\"?'?(\s*?)[^>]*>!is" , не совсем понял для чего вторая подмаска (\s*?)

и второй вопрос, в данном случае будут ли какие то плюсы использавания CURL перед простым file_get_contents?

orphelin, я и сам не понимаю много. CURL дает больше возможности просто.

Вторая подмаска, на случай такой фразы <a href= humbert.ru >

Конечно. можно использовать потом trim(), но почему то так написал.

вот такую ссылку

<a href="javascript:JS('menu1','image1');" title="Развернуть/Свернуть"> <img name=image1 src="/pic/plus.gif"><b>О фирме</b></a>

неправильно обрабатывает, захвытывает как урл "javascript:JS(" , пока не хватило фантазии как побороть =)

orphelin, что-то такое:

  if (preg_match('#javascript:#i', $url)) continue;