Hente webside

Du kan jo lave er str_replace() på hele kildekoden efterfølgende!

Det er sandt nok, men hvordan vil du formulere den, hvis du ikke ved om der står <img src="images/fddfdf.jpg"> eller img src=../images/sddssd.jpg>...
Og det er jo ikke kun images, men css, mm. der vil ligge der, der skal udskiftes.

Så jeg ved ikke om du havde en konkret tanke i denne retning?
Jeg havde lidt håbet på, at der eksisterede nogle værktøjer, der kunne løse netop denne situation som folk nok har været ude for før.

Om der står images eller ../images er jo som sådan ligemeget!
Hvis du foran alle sætter:
http://www.domain.tld/site/images/pic.jpg
http://www.domain.tld/site/../images/pic.jpg
De vil begge stadig virke.
Du skal dog tjekke om de evt har en fuld sti inden du replacer.

Vil du bare få fat i alle image filer en hjemmeside ?

filer = URL/adresse

Er det sådan noget du er ude efter?

    function getHtmlFromUrl( $url )
    {
        $text = file_get_contents( $url );
        preg_match( "§http://([^/]*)§", $url, $m );
        $root = $m[1];
        if ( substr( $url, -1, 1 ) != '/' )
        {
            echo $url = preg_replace( '§^(.+/)(.*)§', '\\1', $url );
        }
        $reps = array(
                '§=["\'](?!http://)(/.*?)["\']§' => "=\"http://" . $root . "\\1\""
                ,'§=["\'](?!http://)(.+?)["\']§' => "=\"" . $url . "\\1\""
            );
        return preg_replace( array_keys( $reps ), array_values( $reps ), $text );
    }
   
    $text = getHtmlFromUrl( 'http://theregister.co.uk/' );

coderdk din kode vil ikke virker i de fleste samhæng...det er ikke alle hjemmeside der har links der starter med

http://
www.
../
java script:location.href=''

der er flere muligheder...

jeg mente der er flere links der starter forskelligt på forskellige hjemmesider :)

Derfor jeg har lavet noget du kan tilpasse ;P

Ja - det er det. Jeg har bare ét problem, og det er, at at regulære udtryk ikke er min stærke side - har testet det, og det ser jo lovende ud!

Er det $m jeg skal lege med - eller hvad?
Eller skal jeg først se at blive ekspert i regulære udtryk for jeg går videre?

Ja, regular expressions er guld værd - Jeg kender dog ikke lige nogle gode tuts, andet end www.regularexpressions.info - Jeg har lavet den lidt om, så den fungerer bedre:

    function getHtmlFromUrl( $url )
    {
        $text = file_get_contents( $url );
        preg_match( "§http://([^/]*)§", $url, $m );
        $root = $m[1];
        if ( substr( $url, -1, 1 ) != '/' )
        {
            echo $url = preg_replace( '§^(.+/)(.*)§', '\\1', $url );
        }
        $reps = array(
                '§(src|href)=["\'](?!(http://|java script:))(/.*?)["\']§' => "\\1=\"http://" . $root . "\\3\""
                ,'§(src|href)=["\'](?!(http://|java script:))(.+?)["\']§' => "\\1=\"" . $url . "\\3\""
            );
        return preg_replace( array_keys( $reps ), array_values( $reps ), $text );
    }

    echo $text = getHtmlFromUrl( 'http://theregister.co.uk/' );

Læg mærke til (?!(http://|java script:)) Her siger jeg at den skal ignorere dem der starter med http:// eller java script: vil du tilføje flere kan du gøre sådan: (?!(http://|java script:|mms://)) så ignorerer den også mms links...

Mange tak for hjælpen - det virkede for så vidt også, men det kræver alligevel, at man er lidt ekspert i regulære udtryk, og det er jeg desværre ikke (da der opstår forskellige undtagelser)....
Jeg fandt dog også en løsning (programmet netwox) der er en linux programsuite.....
Se nedenstående link:
http://www.laurentconstantin.com/en/netw/netwox/

Hvis du vil have point coderdk så har du i hvert fald fortjent demm - ellers lukker jeg spørgsmålet :-)

Giv mig bare hvad du synes :-D