Discussion :

[Avalion]

Bonjour à tous et à toutes.

je cherche a extraire tous s hyperliens d'une page web. Je me sers donc de cette petite regexp sympathique

Code : Séctionner tout - Visualiser dans une fenêtre à part

(<a[^<>]*?href=["\'](.+?)["\'].*?>(.*?)</a>)|(<form[^<>]*?action=["\'](.+?)["\'].*?>)|(<area[^<>]*?href=["\'](.+?)["\'].*?>)

El fonctionne a merveil mais voila que j'ai un site ou il y a énormément de balise <area ...>

Donc après plusieurs test voici s résultats que je ne comprend pas très bien...

Jusqu'à 7 liens ca marche

Code : Séctionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
<area shape="poly" coords="..." href="lien1.html" tit="tit1">
<area shape="poly" coords="..." href="lien2.html" tit="tit2">
<area shape="poly" coords="..." href="lien3.html" tit="tit3">
<area shape="poly" coords="..." href="lien4.html" tit="tit4">
<area shape="poly" coords="..." href="lien5.html" tit="tit5">
<area shape="poly" coords="..." href="lien6.html" tit="tit6">
<area shape="poly" coords="..." href="lien7.html" tit="tit7">
 
pattern : '#(<a[^<>]*?href=["\'](.+?)["\'].*?>(.*?)</a>)|(<form[^<>]*?action=["\'](.+?)["\'].*?>)|(<area[^<>]*?href=["\'](.+?)["\'].*?>)#'
 
Résultat : 
( 0 => '<area shape="poly" coords="..." href="lien1.html" tit="tit1">'
1 => ''
2 => ''
3 => ''
4 => ''
5 => ''
6 => '<area shape="poly" coords="..." href="lien1.html" tit="tit1">'
7 => 'artic408.html'
)

Et a 8 ca plante...

Code : Séctionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
<area shape="poly" coords="..." href="lien1.html" tit="tit1">
<area shape="poly" coords="..." href="lien2.html" tit="tit2">
<area shape="poly" coords="..." href="lien3.html" tit="tit3">
<area shape="poly" coords="..." href="lien4.html" tit="tit4">
<area shape="poly" coords="..." href="lien5.html" tit="tit5">
<area shape="poly" coords="..." href="lien6.html" tit="tit6">
<area shape="poly" coords="..." href="lien7.html" tit="tit7">
<area shape="poly" coords="..." href="lien8.html" tit="tit8">
 
pattern : '#(<a[^<>]*?href=["\'](.+?)["\'].*?>(.*?)</a>)|(<form[^<>]*?action=["\'](.+?)["\'].*?>)|(<area[^<>]*?href=["\'](.+?)["\'].*?>)#'
 
Pas de match

Quelqu'un pourrait m'expliquer pourquoi et s'il y a un moyen de pallier ce problème ?

[stealth35]

utilise DOMDocument pour parser du HTML

[Avalion]

Certes ^^ mais ca n'explique pas problème un peu étrange... mais merci du conseil

[stealth35]

Certes ^^ mais ca n'explique pas problème un peu étrange... mais merci du conseil

pourquoi étrange y'a rien qui me choque [^<>] c'est tout s caractères sauf < et > donc forcement era est dedans, utilise s bons outils et tu n'auras pas ce probme ...

[Avalion]

oui <area ... href=""> est bien reconnu par '#<a[^<>]*?href="(.+?)"#' mais pas par '#<a[^<>]*?href="(.+?)"[^<>]*?>.*?</a>#'

deuxièmement même au cas ou ca aurait été ca, il aurait du me retourner ma balise, même s'il me la considérait comme un lien et pas un area. or ici, retour est vide... Ce que je ne pige pas c'est juste que ca fonctionne pour une chaine ou il y a 7 patterns à la syntaxe totament identique mais plus pour 8 (dans ce cas la)

[stealth35]

mais pas par '#<a[^<>]*?href="(.+?)"[^<>]*?>.*?</a>#

norma si tu fermes ton <area> par </a> ...

[Avalion]

J'ai posté mes tests, il n'y a pas de </a> J'ai fini par réussir à faire ce que je voulais mais je comprend toujours pas pourquoi cette erreur à lieu (simp curiosité ^^) et effectivement, j'ai changé mon pattern en '#<a[^r>][^<>]*? (...)#' merci pour ca ^^

Je précise que je fais un simp preg_match et non un preg_match_all dans cas du test

Jusqu'à 7 liens ca marche

Code : Séctionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
<area shape="poly" coords="..." href="lien1.html" tit="tit1">
<area shape="poly" coords="..." href="lien2.html" tit="tit2">
<area shape="poly" coords="..." href="lien3.html" tit="tit3">
<area shape="poly" coords="..." href="lien4.html" tit="tit4">
<area shape="poly" coords="..." href="lien5.html" tit="tit5">
<area shape="poly" coords="..." href="lien6.html" tit="tit6">
<area shape="poly" coords="..." href="lien7.html" tit="tit7">
 
pattern : '#(<a[^<>]*?href=["\'](.+?)["\'].*?>(.*?)</a>)|(<form[^<>]*?action=["\'](.+?)["\'].*?>)|(<area[^<>]*?href=["\'](.+?)["\'].*?>)#'
 
Résultat : 
( 0 => '<area shape="poly" coords="..." href="lien1.html" tit="tit1">'
1 => ''
2 => ''
3 => ''
4 => ''
5 => ''
6 => '<area shape="poly" coords="..." href="lien1.html" tit="tit1">'
7 => 'artic408.html'
)

Et a 8 ca plante...

Code : Séctionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
<area shape="poly" coords="..." href="lien1.html" tit="tit1">
<area shape="poly" coords="..." href="lien2.html" tit="tit2">
<area shape="poly" coords="..." href="lien3.html" tit="tit3">
<area shape="poly" coords="..." href="lien4.html" tit="tit4">
<area shape="poly" coords="..." href="lien5.html" tit="tit5">
<area shape="poly" coords="..." href="lien6.html" tit="tit6">
<area shape="poly" coords="..." href="lien7.html" tit="tit7">
<area shape="poly" coords="..." href="lien8.html" tit="tit8">
 
pattern : '#(<a[^<>]*?href=["\'](.+?)["\'].*?>(.*?)</a>)|(<form[^<>]*?action=["\'](.+?)["\'].*?>)|(<area[^<>]*?href=["\'](.+?)["\'].*?>)#'
 
Pas de match

[stealth35]

utilise DOMDocument pour parser du HTML

je vois pas pourquoi tu t’embêtes ...