[PHP] Wyciąganie linków i obrazków ze źródła przy pomocy wyrażeń regularnych

Właściwie jest to wyciąganie adresów i anchorów ze źródła strony. Najlepiej pobrać stronę przy pomocy file_get_contents() lub funkcji o podobnym działaniu. Następnie trzeba odpowiednio obrobić źródło i wyłuskać to co nas interesuje. Najpierw powinniśmy obrobić tag <a>, a następnie anchor. Dlaczego tak, a nie inaczej? Bo w źródle mogą znaleźć się obrazki, które są linkiem.
Kod:

<?php
// Zabawa z tagiem <a>
$content = file_get_contents('http://www.capaciouscore.pl/index.php');
preg_match_all('/<a.*href=\"([^\"]*)\".*>(.*)<\/a>/iU', $content, $links);

print_r($links);
?>

Kod:

<?php
// Zabawa z tagiem <img>
$content = file_get_contents('http://www.capaciouscore.pl/index.php');
preg_match_all('/<img.*src=\"(.*)\".*>/iU', $content, $images);

print_r($images);
?>

Alternatywa dla tej metody jest inspekcja strony przy pomocy funkcji parsujących DOM.

Naturalnie powyższe wyrażenia regularne można nieco zmodyfikować aby wyciągnąć nie tylko zawartość href i src ale także, title, alt i innych atrybutów A no i bym zapomniał jak zwykle na koniec. Wyrażenia nie są doskonale i trzeba je nieco dopieścić. Mam na myśli pobieranie zawartości z pojedynczych i podwójnych cudzysłowu.

Komentarze

Dodaj komentarz

Zezwolono używać: BBCode
Zabroniono używać: znaczników HTML

Podpis: (Wymagany)

E-mail: (Wymagany, niepublikowany)

Strona WWW: (Nie wymagana)

Token:

Treść tokena: (Przepisz tylko cyfry!)

Treść: (Wymagana)

Tagi

php webmaster webmastering programowanie wyciaganie ciekawostka www tutorial porada a example artykul rada projektowanie stron img href title alt adresow anchor regex wyrazenia regularne