Problème avec les regex [Résolu]

[dragon noir]

Bonjour,

Je cherche à récupérer tous les liens (href et les titres ) d’un texte HTML
Pour faire ça j’ai un regex :

Code :

1
2
 
preg_match_all('/<a.*?(?: |\\t|\\r|\\n)?href=[\'"]?(.+?)[\'"]?(?:(?: |\\t|\\r|\\n)+.*?)?>(.+?)<\/a.*?>/sim', $page, $match, PREG_SET_ORDER);

qui me permet de récupérer tous les liens et leur titres:
ex : <a href="monsite.htm">Monsite</a>
J’obtiens monsite.htm et Monsite

Ma question c’est lorsque j’ai une balise de cette forme :

<a href="monsite.htm"><img src=”images/logos” alt=”Monsite”></a>

Comment je peux récupérer la valeur de l’attribut alt (Monsite).
Avec mon regex j’arrive à récupérer monsite.htm mais pour le titre il m’affiche l’image.

Comment je peux récupérer que le titre de l’image ?
Merci.

[Blustuff]

Votre expression régulière est beaucoup trop compliquée. +? et *? c'est un peu absurde non ? Vous pouvez utiliser \s pour signifier \n ou \r ou espace ou \t. En divisant la taille de l'expression régulière par quatre elle sera plus lisible par vous d'abord, et par ceux qui lisent votre question. (important pour avoir une réponse)

En ce qui concerne la question, vous pouvez rajouter un grand "ou". Soit on peut trouver <img alt= et on capture l'attribut alt, soit on ne peut pas et on capture tout ce qu'il y a jusqu'à </img>

Il me semble que vous devriez inverser la tendance à la gourmandise (option U) pour que tout fonctionne bien même quand il y'a deux liens à détecter.

[KooX]

Salut M

Code :

#(?:<a.*?(?: |\\t|\\r|\\n)?href=[\'"]?(.+?)[\'"]?(?:(?: |\\t|\\r|\\n)+.*?)?>)(?:(?:<img src=(?:.*)?alt=[\'"]?([^"]+)[\'"]?(?:.*)></a>)|(?:(.*)(?<!\>)</a>)|(?:<img src=[\'"]?([^">]+)[\'"]?(?:.*)></a>))#

La premiere partie de ton expression régulière je n'y ai pas touché, elle récupère correctement les liens des pages (même si je la trouve très compliquée !)
La 2e partie doit récupérer les titres des images ou des liens, elle est divisée en 3 parties reliées par des OU ( | ) :

Code :

(?:<img src=(?:.*)?alt=[\'"]?([^"]+)[\'"]?(?:.*)></a>)

: Le cas d'une image avec un titre (avec un alt=)

Code :

(?:<img src=[\'"]?([^">]+)[\'"]?(?:.*)></a>)

: Le cas d'une image sans titre (sans alt=)

Code :

(?:(.*)(?<!\>)</a>)

: Pour les liens normaux, sans image

C'est pas forcément optimisé, mais ca marche

Bon we

[dragon noir]

Merci Koox,
pour ton aide bon s.