Søge dokument for links

preg_match_all("#https?://[^\w\"']+#i", $page, $matches);

Så kan du finde alle matches i $matches - prøv at var_dump'e den for at se strukturen.

I ovenstående går den lidt ud fra, at alle links slutter når der kommer enten whitespace (mellemrum, linjeskift..) eller enkelt- eller dobbelt-quote.

Det skal måske tweakes lidt til dine behov, men det plejer at gå meget godt :)

Hvis alle links står i <a href="http://link" så er det endnu nemmere.

--
Morten Barklund

ahh nu kan jge huske hvorfor, jeg glemte nogle kriterier.
- det er alle links i en href=".

Jeg havde lavet en trucker lang funktion, som fandt alle links som ikke startede med java script:, #, mailto:, Hvis et link efter det første tjek ikke startede med http:// eller https://, så smid sidens URL på.

Kunne man lave en preg match der gjorde det?

Vh. Casper

Ja, det kan man godt:

preg_match_all("#<a href=\"(?<!mailto|#|javascript)(.*?)\"#i", $page, $matches);

Så har du alle URL'er i $matches[1].

De skal så lige ændres med denne funktion:

$page_url = "http://foobar.com/bar/page.html";
$url = parse_url($page_url);
function full_url($u) {
    global $url;
    if (strpos($u, "http") === 0) {
        return $u;
    } else if (strpos($u, "/") === 0) {
        return $url['scheme']."://".$url['host'].$u;
    } else {
        return $url['scheme']."://".$url['host'].realpath(dirname($url['path'])."/".$u);
    }
}

Så kan du smide dit array igennem den som:

$urls = array_map('full_url', $matches[1]);

Det er ikke testet - men det ser da fornuftigt ud :)

--
Morten Barklund

Takker :). Lukker, der er intet svar og jeg har fået at vide jeg skal lukke mine spm. Jeg smider derfor selv et svar. Hvis i vil have point så skriv :)