snuppe overskrift og et par ord fra en anden side

Du skriver til ekstrabladet.dk og spørger om du må få deres tilladelse til at præsentere nogle nyheder fra deres website på dit eget, således du ikke bryder loven om ophavsret.

Dernæst tager du deres RSS feed og parser det (som den nemmeste løsning).

det med ekstrabladet var kun et eksempel.
jeg bryder ingen ophavs ret. der stå også på deres side hvad man kan få lov til osv.

jeg må nok indrømme jeg er mere til den besværlige løsning da jeg skal hente oplysninger fra flere sider

Så vil jeg anbefale dig at bruge cURL http://php.net/curl til at hente sidernes indhold. og uden at kende sidernes udformning, vil jeg mene du skal kigge på nogle regular expressions for at matche de områder du skal have fat i, på hver enkelte side. Kig på http://phpartikler.dk/artikler/regexp.php for at få lidt grundlæggende viden om reg exp.

En xml passering er vel stadig muligt hvis siden er skrævet i XHTML.
Men uanset hvad så ville jeg anbefale at gemme output (det html som skal inkulderes) i en tmp fil, som måske minimum opdater her 30. min. Da det lyder som en server opgave der trækker på kræfterne.

Jeg ville nu mene at den rigtige måde at gøre det på var at benytte de XML feeds der som regel tilbydes fra diverse nyhedssider - så er vi også i den boldgade som jeg oprindeligt talte om og som #4 også er inde på.

Brug RSS - I EB's tilfælde:

http://ekstrabladet.dk/rss2/?mode=normal&cache300=true

Og brug så MagpieRSS: http://magpierss.sourceforge.net/

Ellers skal du til at "scrape" deres side, med file_get_contents og preg_match f.eks. ;)

Det er jo præcis det vi har sagt?

#5 Jeg vil bare sige at hvis de ikke havde et RSS- eller Atom feed så er det muligt at parser XHTML, men ikke HTML.
Men det alt sammen afhænger af hvilken siden der er tale om.

Preg_match virker bare lidt for komplekst, hvis man skal køre en hel side igennem.
Alt bliver normal bedst hvis man holder det simpelt.

Min tanke var at man med XPath kunne søge efter fx alle <h1> og så lave en preg_match på indholdet for at afgøre om det er en overskrift.

PS: jeg tror bare vi bekræfter hinanden lige nu repox, og hvad var det enlig du vil sige coderdk.

<ole>

andreas13_fam >> problemet er bare, at de fleste XHTML sider jo ikke er skrevet i valid (eller bare velformet) XHTML. Den side, vi sidder og skriver på her, ville f.eks. også få parseren til at dø  ;o)

Derudover bliver der i professionelt regi næppe skrevet ret mange XHTML sider i fremtiden. XHTML har idag kun historisk interesse og er stort set droppet af W3C.

/mvh
</bole>

#9
Helt enig - XHTML skrives nærmest kun af nostalgisk interesse; vi gør det på min arbejdsplads da nogle af vores kunder forlanger valid og 'moderne' XHTML.
Kunden har altid ret - eller noget... :)

Er nu også med på den mening i dag, men ville bare lige nævne det. Hvad er enlig W3C interesse lige nu - HTML 5 ?
Når det var et sidesping kan vi ikke få en kommentar fra spørgeren.

XHTML-gruppens charter er opsagt fra og med årsskiftet og W3C har valgt at satse på HTML. Det vil i fremtiden formodentligt betyde en version 5.0 - men hvordan den kommer til at se ud, er stadig yderst usikker. Vi kender endnu kun 'arbejdspapiret'  =)

Tilbage til spørgsmålet: Jeg ville helt klart forsøge at overtale dem til at lave et feed, man kunne trække på. Det ville måske endda kunne blive til stor fordel for dem i forhold til at få hyped deres indhold.

Screen scraping kan lade sig gøre, men det er ofte et pokkers arbejde at vedligeholde, når 'den anden ende' skifte design, m.m.

kan i komme med et svar så deler vi da lige pointne

Da vi ikke rigtig kender til sidens indhold tillader jeg mig at ligge et svar.

Idet der ikke rigtig er indikation på at opgaven blev løst (omend ikke,så er det ikke pga tråden her)  springer jeg bare over...

repox du må godt komme med et svar så du også kan få lidt point, jeg er ved at ryde op i mine mange åbne spørgsmål.
mange af dem kan jeg ikke huske om jeg fik løst eller ej :S sorry

Det kom her, så :)