Discussion :

[laclac]

Bonjour,

Je suis assez mauvais en Regexp du coup, j'en ai bricolé une qui marche que moyennement.
J'ai un texte avec des urls. J'aimerais récupérer l'ensemble des URLs qui commence par Location: (et rien d'autre).
Le problème avec mon script c'est que je récupère aussi l'url qui commence avec un préfixe tel que X-XRDS-Location et ça je ne veux pas. C'est très gênant, si vous pouviez m'aider à l'exclure ça serait top.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
$data = "Location: https://ww.google.fr
Location: https://www.yahoo.fr/news/
Location: https://www.boncoin.fr/annonces/pages.php?_utm=[data]
Location: https://www.netflix.fr
Toto: https://www.msn.fr
X-XRDS-Location: https://wwww.test.com";
preg_match_all('#Location: [^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/))#', $data, $match);
var_dump($match[0]);

Résultat:

array(5) {
  [0]=> string(30) "Location: https://ww.google.fr"
  [1]=> string(36) "Location: https://www.yahoo.fr/news/"
  [2]=> string(62) "Location: https://www.boncoin.fr/annonces/pages.php?_utm=[data"
  [3]=> string(32) "Location: https://www.netflix.fr"
  [4]=> string(31) "Location: https://wwww.test.com"
}

Après en moins bloquant, j'ai 2 questions bonus.
- pour l'exemple https://www.boncoin.fr/annonces/pages.php?_utm=[data] je récupère que https://www.boncoin.fr/annonces/pages.php?_utm=[data. Le dernier caractère est tronqué, je ne sais pas trop pourquoi. Si vous avez une idée..
- Dans $match le récupère l'ensemble des urls préfixés de Location:. En soit j'ai pas besoin de Location:, je le tronque manuelle ensuite par un substring mais je pense qu'en regexp, il est possible d'exclure le mot clef de détection. Enfin c'est que je pense

[mathieu]

vous y étiez presque, il suffit de rajouter un "^" devant "Location" pour indiquer que cela doit être le début de la ligne :
https://regex101.com/r/JjGb7E/1

[laclac]

Merci pour ton site. Je ne connaissais pas.
Par contre, en rajoutant le ^. Ca ne fonctionne pas contraire à ce qu'indique le site.
Ca m'affiche que la premiere url que la premiere ligne

[mathieu]

ah oui il faut aussi ajouter "...#gm" à la fin. l'utilité des ces modificateurs est expliquée dans le lien de mon 1er message.

[Invité]

Bonjour,

Principe :

• une seule URL par ligne, plusieurs lignes (-> devra être multiligne)
• "Location" en début de ligne (ou "location" ou "LOCATION" ou... -> devra être insensible à la casse)
• suivi de ":" (avec éventuellement un espace avant et/ou après)
• rien d'autre sur la ligne après chaque URL (sauf, éventuellement, des espaces)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
<?php
$data = "Location: https://ww.google.fr
Location : https://www.yahoo.fr/news/
location: https://www.boncoin.fr/annonces/pages.php?_utm=[data]
LOCATION:https://www.netflix.fr       
Toto: https://www.msn.fr
X-XRDS-Location: https://wwww.test.com
Location : http://www.yahoo.fr/
";

Solution 1 :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
<?php
$regex = '#^Location\s?:\s?(http.*)$#mi';
preg_match_all($regex, $data, $match);
// on ne récupère que les URL -> $match[1]
$urls = array_map('trim', $match[1]); // supprime les espaces éventuels en fin de ligne
var_dump( $urls );

• m : multiligne
• i : insensible à la casse
• (g est inconnu en PHP)

Solution 2 :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
<?php
$regex = '#^Location\s?:\s?(http[^\s\t\r\n]*)#mi';
preg_match_all($regex, $data, $match);
// on ne récupère que les URL -> $match[1]
$urls = $match[1];
var_dump( $urls );

• [^\s\t\r\n]* : tout sauf espace, tabulation, passage à la ligne
• à noter : pas de $ ici
• on ne récupère pas d'espaces (pas besoin de les supprimer en PHP)

Donne :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
array (size=5)
  0 => string 'https://ww.google.fr' (length=20)
  1 => string 'https://www.yahoo.fr/news/' (length=26)
  2 => string 'https://www.boncoin.fr/annonces/pages.php?_utm=[data]' (length=53)
  3 => string 'https://www.netflix.fr' (length=22)
  4 => string 'http://www.yahoo.fr/' (length=20)

[CosmoKnacki]

Je pars du principe que la chaîne est générée automatiquement, donc pas de variation de casse, ni d'espaces en moins ou en plus où que ce soit, et "Location: " est systématiquement suivit d'une URL (donc pas besoin de la décrire). Par contre, la séquence de nouvelle ligne est indéterminée (soit CRLF, soit LF, ou autre). Donc:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match_all('~(*ANY) ^ \QLocation: \E \K .+ ~xm', $data, $matches);

ou bien

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

preg_match_all('~ ^ \QLocation: \E \K .* \S ~xm', $data, $matches);

• (*ANY) : n'importe quelle séquence de nouvelle ligne est possible, donc le . ne pourra pas les matcher
• \Q...\E délimite une chaîne ou les caractères spéciaux sont échappés et notamment les espaces.
• \K définie l'endroit de la correspondance à partir duquel le résultat sera renvoyé.
• \S un caractère qui n'est pas un espace (horizontal ou vertical).
• modificateur m: ^ matche le début de ligne (et $ la fin de ligne).
• modificateur x: les espaces et les commentaires sont ignorés dans la pattern.