Подскажите регулярное выражение (PHP) для получения внешних ссылок со страницы

Поиск рулит.

<?php

// получение всех внешних ссылок сайта

function get_external_links($array){

$result = array();

$count = count($array);

for($i=0;$i<$count;$i++){

if(!empty($array[$i])){

if(strpos($array[$i],"www",0) !== false){

if(strpos($array[$i],"http",0) !== false){

array_push($result,$array[$i]);

}

}

}

}

return $result;

}

?>

Почему $array передается в функцию? :)

Логичнее бы контент страницы. Да и ТС просил регулярку.

iko, абсолютно тупая функция

bearman добавил 01.06.2010 в 20:58

еще и работающая коряво в некоторых случаях

<?

/**

 * Получение внешних ссылок со страницы

 * 

 * @param html

 * @param домен (без www.)

 * @return массив внешних ссылок

 * 

 */ 

function getoutlinks($content, $domain)

{

	$content = preg_replace("/[\n\r\t]/", '', $content); // Заменяем символы перевода строки и табуляции на пробел			

	$content = preg_replace("/[ ]{2,}/", ' ', $content); // Заменяем более 2х пробелов одним

	

	preg_match_all("/<a[^<>]*href=['|\"](.*)['|\"][^<>]*>(.*)<\/a>/iU", $content, $links); // Собираем ссылки		        

    

    if (sizeof($links[1]) > 0) // Если ссылки найдены

    {

        $out = array(); // Массив для внешних ссылок

        

        foreach ($links[1] as $v)

        {

            if (preg_match("/http:\/\/(www\.){0,1}".$domain."/i", $v)) // Пропускаем внутренние ссылки

            {

                continue;

            }

            

            if (preg_match("/http:\/\/(www\.){0,1}(.*)/i", $v)) // Внешняя ссылка 

			{					                                                            

                $out[] = $v;                                                                                    	

			}

        }                        

                    

        return $out;

    }                

	

	return array();

}

о! это случаем не функция великого попова?! :)

Честно, не знаю :) эту функцию я написал самостоятельно для своих целей.

bigton,

    $content = preg_replace("/[\n\r\t]/", '', $content); // Заменяем символы перевода строки и табуляции на пробел            
    $content = preg_replace("/[ ]{2,}/", ' ', $content); // Заменяем более 2х пробелов одним

лучше вот так

    $content = preg_replace("/\s+/", ' ', $content);

preg_match_all("/<a[^<>]*href=['|\"](.*)['|\"][^<>]*>(.*)<\/a>/iU", $content, $links); // Собираем ссылки    

wtf? Кусок регулярки ['|\"] означает: любой символ из ', |, или " - то есть, ссылка вида href=|url| тоже будет ссылкой.

Нужно заменить на (?:'|\")

а внутренние ссылки с абсолютными адресами (через http://и так далее) какими будут считаться?