Discussion :

[Janitrix]

Bonjour,

Je cherche un moyen de récupérer tous les liens relatifs dans une page. J'ai fait une regex mais elle ne semble pas fonctionner :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

eregi('href="/[a-zA-Z0-9_]*/"', $file, $links);

Je cherche à récupérer tous les liens de type relatifs dans un tableau mais je suis un peu paumé là. eregi est-elle la bonne fonction ? La regex est-elle correcte ?

Merci.

[ThomasR]

dans un tableau :
1 - commencer par parcourir les différentes occurences du tableau
2 - vérifier l'existence de href="http:// dans les liens, suite à quoi on peut dire que ces liens sont absolus
3 - tous les autres liens sont relatifs

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
$relative_links[0] = "";
for($i=0;$i<count($links);$i++;)
     {
     if(!eregi('href="http://',$links[$i])
             {
              $relative_links[$i] = $links[$i];
             }        
     }

En gros à partir du moment ou dans ta balise a tu n'as pas http:// c'est que le lien pointe vers une url relative.

[Janitrix]

Je n'ai pas de tableau avec les liens, je n'ai que le code de la page. Ile me faut d'abord récupérer ces liens. Je pensais pouvoir récupérer directement tous les liens relatifs avec une regex. Il me semble qu'avec une fonction comme eregi, je peux trouver tous ces liens puis les récupérer dans un tableau. C'est à ça qu'elle sert non ? De plus, j'ai quelques problèmes pour former cette regex.

Merci.

[Gats]

Salut,

Je suppose que tu as déjà le code pour récupérer le code d'une page ?
En d'autre terme, as-tu le flux html à parser ?

[Janitrix]

oui j'ai utilisé file_get_contents, pas de problème de ce côté

[Gats]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
$subject = file_get_contents($file);
 
$pattern = '`href="([^#]*?)(?<!http)"`i';
 
 $arRelativeLinks = array();
preg_match_all($pattern, $subject, $matches);
{
	foreach($matches[1] as $link)
	 $arRelativeLinks[] = $link;
}

ps : j'ai exclu les liens de type href="#"

[Janitrix]

Parfait merci

Ton code est bon, tu devrais le proposer pour les sources de regex

Si tu es d'accord, c'est là que ça se passe

Merci encore