Discussion :

[Galdon]

Bonjour, je dois extraire de l'information de lignes qui ressemblent à ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

<DT><A HREF="http://www.google.fr/" ADD_DATE="1261570080" LAST_MODIFIED="1261570080" ICON_URI="http://www.google.fr/favicon.ico" ICON="data:image/png;base64,iVBORwoAAf8/9hAAg==" LAST_CHARSET="UTF-8">Titre de la page</A>

Il me faut HREF, l'Ancre (Titre du lien) ainsi que la date ADD_DATE. Voici les expressions que j'utilise :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
<?php
$this->title	= ereg_replace ("^( *<DT><[^>]*>)([^<]*)(.*)", "\\2", $line);
$this->url	= ereg_replace ("([^H]*HREF=\")([^\"]*)(\".*)", "\\2", $line);
$this->date	= ereg_replace ("([^A]*ADD_DATE=\")([^\"]*)(\".*)", "\\2", $line);
?>

Title et url marchent bien, par contre date foire.

Ça me retourne <DT><A1261570080 quand l'attribut ADD_DATE existe, et la ligne entière si l'attribut n'existe pas.

Comment faire pour que ça fonctionne ?
Merci

[SpaceFrog]

essaye en une seule fois :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
$html='<DT><A HREF="http://www.google.fr/" ADD_DATE="1261570080" LAST_MODIFIED="1261570080" ICON_URI="http://www.google.fr/favicon.ico" ICON="data:image/png;base64,iVBORwoAAf8/9hAAg==" LAST_CHARSET="UTF-8">Titre de la page</A>'; 
$reg='#(?:<DT><A\s*HREF=")(?<href>[^"]*)(?:"\s*ADD_DATE=")(?<date>[^"]*)(?:"[^>]*>)(?<titre>[^<]*)#';
preg_match($reg, $html, $matches);
echo 'href: '.$matches['href'].'<br/>';
echo 'date: '.$matches['date'].'<br/>';
echo 'titre: '.$matches['titre'].'<br/>';

[s.n.a.f.u]

essaye en une seule fois :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
$html='<DT><A HREF="http://www.google.fr/" ADD_DATE="1261570080" LAST_MODIFIED="1261570080" ICON_URI="http://www.google.fr/favicon.ico" ICON="data:image/png;base64,iVBORwoAAf8/9hAAg==" LAST_CHARSET="UTF-8">Titre de la page</A>'; 
$reg='#(?:<DT><A\s*HREF=")(?<href>[^"]*)(?:"\s*ADD_DATE=")(?<date>[^"]*)(?:"[^>]*>)(?<titre>[^<]*)#';
preg_match($reg, $html, $matches);
echo 'href: '.$matches['href'].'<br/>';
echo 'date: '.$matches['date'].'<br/>';
echo 'titre: '.$matches['titre'].'<br/>';

Juste une remarque sur cette solution : lorsque les motifs commencent à être compliqués, il est plus que souhaitable d'utiliser l'option x qui permet d'indenter et de commenter un motif.
Par exemple, je réécrirais le motif ainsi :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
$reg='{
<DT><A\s*HREF="  #positionnement au début du lien
(?<href>[^"]*)   #capture nommée href du lien
"\s*ADD_DATE="   #positionnement au début de la date
(?<date>[^"]*)   #capture nommée date de la date
"[^>]*>          #positionnement au début du titre
(?<titre>[^<]*)  #capture nommée titre
}x';

Au passage, j'ai changé les délimiteurs, le # étant justement le marqueur de commentaire et j'ai supprimé les parenthèses non-capturantes inutiles car non quantifiées.

[SpaceFrog]

Merci de ses précision snaf
Juste une question concernant les parenthèses non capturantes, je pensais justement que c'était moins gourmand.
Il est vrai que le but est de cibles les groupes nommés.

[s.n.a.f.u]

C'est moins gourmand que des parenthèses capturantes, mais cela n'a aucun avantage par rapport à l'absence totale de parenthèses.
Les parenthèses non-capturantes sont utilisées lorsqu'elles sont quantifiées, afin de pouvoir répéter un groupe sans le capturer.