Discussion :

[St-42-FCM-57]

Bonjour,

J'ai un fichier HTML à ouvrir, et à faire quelques opérations dessus.
Donc pour l'ouvrir je fais ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

$fichier = file_get_contents("MonFichier.html");

Ensuite, je dois stocker dans un tableau ($Tab) toutes les URL des liens hypertextes de la page, donc que l'on peut identifier par href="...".
J'ai donc fait ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
preg_match_all('#(href=")(.*)(")#isU', $fichuer, $Tab );
print_r($Tab[2]);

Je pense que ça doit être bon, mais pour les afficher, comment faire pour qu'il y ait une URL par ligne ? J'ai essayé avec un foreach(...) mais ça ne marche pas, ou alors je l'avais mal fait.

Ensuite à partir du tableau $Tab, il faut que j'affiche les différents sites web, donc ce qui est compris entre http:// et le 3ème /.
Par exemple si on a ça : https://twitter.com/official_php, je voudrais que ça me sorte ceci : twitter.com
C'est surtout là que je bloque. J'avais tenté ceci, mais sans réussite :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
foreach($Tab as $SiteWeb)
	{
		preg_match('#(http://)(.*)(/)#',$SiteWeb[2],$Lien);
		print_r($Lien);
	}

Pourriez-vous m'aider ?

Merci d'avance.

[-Rpass-]

Pour afficher tous les matchs, il faut utiliser la méthode preg_match_all de php.

[St-42-FCM-57]

C'est ce que j'ai fait dans le premier, non ?

[CosmoKnacki]

La fonction qui permet d'avoir plusieurs résultats est effectivement preg_match_all mais cela n'a pas d'importance vu que dans ce cas on n'utilise pas les regex mais DOMDocument:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
$dom = new DOMDocument;
// redirige les éventuelles erreurs html vers le gestionnaire interne d'erreurs de libxml ce qui évite l'affichage de warnings
$state = libxml_use_internal_errors(true);
// charge le fichier html et crée l'arbre DOM
$dom->loadHTMLFile('monfichier.html');
// l'instance de DOMXPath permet de faire des requêtes sur l'arbre DOM avec le langage xpath
$xp = new DOMXPath($dom);
 
foreach($xp->query('//@href') as $hrefAttr) {
    echo $hrefAttr->nodeValue, PHP_EOL;
}
 
libxml_use_internal_errors($state);

Le langage xpath permet de faire très facilement des requêtes simple de manière concise. Ici // signifie n'importe quel descendant du nœud actuel (qui est ici le nœud racine du document, donc n'importe où dans le document), et le arobase précise qu'il s'agit d'un attribut. Le langage xpath permet également des requêtes très élaborées quasi impossible à réaliser avec une approche purement textuelle.

Pour ce qui est ensuite d'extraire le nom de domaine de l'url, on utilise parse_url:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
$url = 'http://www.twitter.com/blah/blah/?toto=titi';
echo parse_url($url, PHP_URL_HOST), PHP_EOL;

[-Rpass-]

Essaie :

Code php :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
foreach($Tab[0] as $SiteWeb)
	{
		print_r($SiteWeb."<br/>");
	}

[St-42-FCM-57]

CosmoKnacki : Merci pour les infos, mais l'exercice est spécifiquement sur les expressions régulières, donc je n'ai pas d'intérêt à utiliser autre chose...

-Rpass- : Super merci, ça marche ! Je pense que je m'étais trompé dans ma boucle du coup.

Par contre, je n'ai toujours pas trouvé de solution à ma 2ème question :
J'ai fait ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
preg_match_all('#(http://)(.*)(/)#',$Tab[0],$Lien);

Seulement je ne crois pas que ça m'apporte la bonne réponse, et puis $Tab[0] n'est pas accepté comme argument...

[St-42-FCM-57]

Je viens de faire ça, mais j'ai un problème :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
foreach($Tab[0] as $Url)
	{
		preg_match('#(http://)(.*)(/)#',$Url[0],$Lien);
		print_r($Lien."<br/>");
	}

mais visiblement le print_r pose probleme (Array to string conversion in...).

[-Rpass-]

Affiche le contenu de $Lien avec un var_dump pour vérifier son contenu et de voir ce qui est exploitable.

[-Rpass-]

$lien sera normalement un tableau contenant les différentes parties entre parenthèses. Je pense que tu devrais utiliser $Lien[1] et non $Lien[0], mais je n'ai pas la doc sous les yeux pour vérifier cela.