Discussion :

[lysandre]

Bonjour,

j'aimerais savoir si les liens dans les pages html se présentent toujours sous la forme "a href", soit en expressions régulières:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
<a[^>]*href="([^"]*)"[^>]*>([^<]*)</a>

(premiere parenthèse-->url, deuxième parenthèse-->texte)

oui s'il y a d'autres possibilités (excepté les balises img bien sur)?

Même question pour les autres types de pages (excepté fichiers flash .swf)?

Je pose cette question car je veux faire un programme php qui va aller chercher les liens présents dans des pages internet (html ou autre?)

[veevee]

Bonjour,
que je sache il y a plusieurs formes possibles suivant que c'est un lien HTTP, FTP, mailto ou greoupe de news comme ci-dessous




Perso, je n'en sais pas davantage


A+

[Thes32]

salut,
certains liens renvoient dans une partie d'un document (les ancres) dans ce cas la on a

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

<a href="#...>

où l'ancre a été défini avec

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

<a name="...>

je trouve ton projet très intéressant, si tu veux fais le moi savoir quand ça seras prêt.

Merci

[veevee]

Oui, pour être encore plus précis, on peut écrire un lien du genre :



dans lequel la page est suivie de la balise interne à la page (#lien_interne)

A+

[lysandre]

Merci pour vos réponses!

Ok thes32, je te ferai savoir quand j'aurais fini. Cette question fait partie d'un un peu plus gros projet dont j'ai parlé à un autre endroit de ce forum ici:
http://www.developpez.net/forums/sho...81#post3074781

Comme personne n'est intervenu pour dire que ca existait déjà et que j'ai été encouragé, j'ai décidé de m'y mettre!

Je laisse la question ouverte des fois qu'un vieux bourlingueur de la programmation web connaisse une autre façon de faire des lien

[lysandre]

Bonjour Thes32,

J'ai terminé la partie de mon projet qui concerne la détection de liens dans une page html, je te donnes le code:

Code :

Sélectionner 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
21
22
23
24
25
26
27
28
29
function get_link($string,$baseurl=""){
$url=array();
$urltexte=array();
$urlext=array();
$len=strlen($string);
$pos=-1;
$base=ereg_replace("(/$)|(/[^/]*\.[^/]*$)","",$baseurl)."/";
$nextbasepos=strpos($string,"<base");
while ((($pos=strpos($string,"<a",$pos+1))!==false) && (($pos2=strpos($string,'>',$pos+1))!==false) && (($pos3=strpos($string,"<",$pos2+1))!==false)){
$str=substr($string,$pos,$pos3-$pos+1);
 
while (($nextbasepos!==false) && ($nextbasepos < $pos)){
if ((($pos4=strpos($string,">",$nextbasepos+1))!==false)
&& ereg('href[ ]*=[ ]*"[ ]*(http://[^"]*)"',substr($string,$nextbasepos,$pos4-$nextbasepos+1),$arr)) $base=ereg_replace("(/$)|(/[^/]*\.[^/]*$)","",trim($arr[1]))."/";
$nextbasepos=$pos4 ? strpos($string,"<base",$pos4) : false;
}
 
$pos=$pos3;
if (ereg('href[^"]*"[ ]*([^"#][^"]*)"[^>]*>([^<]*)<',$str,$arr)){
$http=(substr(trim($arr[1]),0,7)==="http://");
array_push($url,($link=$http ? trim($arr[1]) : $base.ereg_replace("^/","",trim($arr[1]))));
array_push($urltexte,$arr[2]);
 
array_push($urlext,ereg("[^?#]*[^/?#]/[a-zA-Z0-9_.\-]+(\.[a-zA-Z0-9]+)(\?|#|$)",$link,$arr2) ? $arr2[1] : "");
}
}
 
return array($url,$urltexte,$urlext);
}

et j'ai rédigé un petit tuto içi:
http://www.idees-et-solutions.fr/idees.php?page=id163

cette fonction semble bien marcher pour l'instant. J'ai aussi crée une autre fonction que tu trouveras à la suite qui permet de détecter les liens dans les balises <a href="..."> mais aussi les URL qui ne sont pas en lien (tout ce qui commence par http:// ou par www.)

Voila! A+

[Thes32]

salut lysandre
Très bon tuto! je recopie le code pour l'instant je peux pas le tester, je vois que tu t'en sors très bien avec les expressions régulières.

Bon Courage continue avec tes excellentes idées!!

[lysandre]

Merci thes32!

J'ai modif la fonction pour qu'elle interprète les liens exactement comme un navigateur (firefox, qui semble avoir une meilleure interprétation que i.e.)
Pour la petite explication, si tu collectes un lien dans une page html, le lien peut être en relatif et la facon de compléter ce lien peut dépendre des balises <base>. La fonction complète donc les liens de la même manière qu'un navigateur (j'ai choisi firefox).

Dc utilises plutot ce nouveau code:

Code :

Sélectionner 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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
 
function get_link($string,$inibase1=""){
$url=array();
$urltexte=array();
$urlext=array();
$len=strlen($string);
$pos=-1;
$debut=strtok($inibase1,"#?");
$inibase1=ereg("^http://[^/]*",$debut) ? $debut."/".substr($inibase1,strlen($debut)) : $inibase1;
$inibase2=ereg_replace("^(http://.+)/[^/]*$","\\1",
ereg_replace("^http://[/]*","http://",$debut))."/";
$inibase3=ereg_replace("^(http://[^/]+)/.*","\\1",$inibase2)."/";
$base1=$inibase1;$base2=$inibase2;$base3=$inibase3;
$nextbasepos=strpos($string,"<base");
while ((($pos=strpos($string,"<a ",$pos+1))!==false) && (($pos2=strpos($string,'>',$pos+1))!==false) && (($pos3=strpos($string,"<",$pos2+1))!==false)){
$str=substr($string,$pos,$pos3-$pos+1);
while (($nextbasepos!==false) && ($nextbasepos < $pos)){
if ((($pos4=strpos($string,">",$nextbasepos+1))!==false)
&& ereg('href[ ]*=[ ]*"[ ]*(http:[^"]*)"',substr($string,$nextbasepos,$pos4-$nextbasepos+1),$arr)){
$basex=trim($arr[1]); $base1=((substr($basex,0,7)==="http://") ? $basex : ((substr($basex,0,6)==="http:/") ? $inibase3.substr($basex,6) : $inibase2.substr($basex,5)));
$debut=strtok($base1,"#?");
$base1=ereg("^http://[^/]*",$debut) ? $debut."/".substr($base1,strlen($debut)) : $base1;
$base2=ereg_replace("^(http://.+)/[^/]*$","\\1",
ereg_replace("^http://[/]*","http://",$debut))."/";
$base3=ereg_replace("^(http://[^/]+)/.*","\\1",$base2)."/";
}
$nextbasepos=$pos4 ? strpos($string,"<base",$pos4) : false;
}
$pos=$pos3;
if (ereg('href[^"]*"[ ]*([^"]*)"[^>]*>([^<]*)<',$str,$arr)){
$http=(substr(trim($arr[1]),0,7)==="http://");
$root=(substr(trim($arr[1]),0,1)==="/");
$self= !trim($arr[1]) || (substr(trim($arr[1]),0,1)==="#");
array_push($url,($link=($http ? trim($arr[1]) : ($self ? strtok($base1,'#').trim($arr[1]) : ($root ? $base3.substr(trim($arr[1]),1) : $base2.trim($arr[1]))))));
array_push($urltexte,$arr[2]);
 
array_push($urlext,ereg("[^?#]*[^/?#]/[a-zA-Z0-9_.\-]+(\.[a-zA-Z0-9]+)(\?|#|$)",$link,$arr2) ? $arr2[1] : "");
}
}
 
return array($url,$urltexte,$urlext);
}

[Thes32]

Je le prend en compte

Merci encore

[lysandre]

Je le prend en compte

Merci encore

Pas de quoi!

[Auteur]

pour en rajouter : il existe les pseudo-url qui sont de cette forme par exemple :

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
<a href="javascript:fonctionJS('param1', 'param2', this)">le lien</a>

(les paramètres ne sont pas tous entre guillemets)
De plus la balise a n'a pas que l'attribut href : il existe également
- style="...."
- title="info-bulle"
- class="classeAppliqueeSurA"
- id="idA"
etc. et tu peux placer ces attributs dans n'importe quel ordre.

[lysandre]

pour en rajouter : il existe les pseudo-url qui sont de cette forme par exemple :

Code html :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
<a href="javascript:fonctionJS('param1', 'param2', this)">le lien</a>

(les paramètres ne sont pas tous entre guillemets)

Ca je ne sais pas si on peut y faire grand chose...? Je suppose que la plupart du temps quand on utilise le javascript pour retourner un lien, c'est pour prendre en compte l'action de l'utilisateur, donc ca dépend de parametres rentrés par l'utilisateur...?

De plus la balise a n'a pas que l'attribut href : il existe également
- style="...."
- title="info-bulle"
- class="classeAppliqueeSurA"
- id="idA"
etc. et tu peux placer ces attributs dans n'importe quel ordre.

Oui ca j'ai deja pris en compte.

Merci Auteur!


Voici la derniere version de mon code, ou j'ai pris en compte les balises étant rédigées en majuscule ou en mélange (<A HreF= )

Code :

Sélectionner 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
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
function get_link($string,$inibase1=""){
$url=array();
$urltexte=array();
$urlext=array();
$string2=strtolower($string." .");
$len=strlen($string);
$pos=-1;
$debut=ereg("^(#|\?)",$inibase1) ? "" : strtok($inibase1,"#?");
$file=ereg("[^/]/[a-zA-Z0-9_.\-]+(\.[a-zA-Z0-9]+)$",$debut);
$inibase1=eregi("^http://[^/]*",$debut) ? $debut.($file ? "" : "/").substr($inibase1,strlen($debut)) : $inibase1;
$inibase2=eregi_replace("^(http://.+)/[^/]*$","\\1",
eregi_replace("^http://[/]*","http://",$debut))."/";
$inibase3=eregi_replace("^(http://[^/]+)/.*","\\1",$inibase2)."/";
$base1=$inibase1;$base2=$inibase2;$base3=$inibase3;
$nextbasepos=strpos($string2,"<base");
while ((($pos=strpos($string2,"<a ",$pos+1))!==false) && (($pos2=strpos($string2,'>',$pos+1))!==false) && (($pos3=strpos($string2,"<",$pos2+1))!==false)){
$str=substr($string,$pos,$pos3-$pos+1);
while (($nextbasepos!==false) && ($nextbasepos < $pos)){
if ((($pos4=strpos($string2,">",$nextbasepos+1))!==false)
&& eregi('href[ ]*=[ ]*"[ ]*(http:[^"]*)"',substr($string2,$nextbasepos,$pos4-$nextbasepos+1),$arr)){
$basex=trim($arr[1]); $base1=((substr($basex,0,7)==="http://") ? $basex : ((substr($basex,0,6)==="http:/") ? $inibase3.substr($basex,6) : $inibase2.substr($basex,5)));
$debut=ereg("^(#|\?)",$base1) ? "" : strtok($base1,"#?");
$file=ereg("[^/]/[a-zA-Z0-9_.\-]+(\.[a-zA-Z0-9]+)$",$debut);
$base1=eregi("^http://[^/]*",$debut) ? $debut.($file ? "" : "/").substr($base1,strlen($debut)) : $base1;
$base2=eregi_replace("^(http://.+)/[^/]*$","\\1",
eregi_replace("^http://[/]*","http://",$debut))."/";
$base3=eregi_replace("^(http://[^/]+)/.*","\\1",$base2)."/";
}
$nextbasepos=$pos4 ? strpos($string2,"<base",$pos4) : false;
}
$pos=$pos3;
if (eregi('href[^"]*"[ ]*([^"]*)"[^>]*>([^<]*)<',$str,$arr)){
$http=(strtolower(substr(trim($arr[1]),0,7))==="http://");
$root=(substr(trim($arr[1]),0,1)==="/");
$self= !trim($arr[1]) || (substr(trim($arr[1]),0,1)==="#");
array_push($url,($link=($http ? trim($arr[1]) : ($self ? strtok($base1,'#').trim($arr[1]) : ($root ? $base3.substr(trim($arr[1]),1) : $base2.trim($arr[1]))))));
array_push($urltexte,$arr[2]);
 
array_push($urlext,ereg("[^?#]*[^/?#]/[a-zA-Z0-9_.\-]+(\.[a-zA-Z0-9]+)(\?|#|$)",$link,$arr2) ? $arr2[1] : "");
}
}
 
return array($url,$urltexte,$urlext);
}

[Auteur]

Ca je ne sais pas si on peut y faire grand chose...? Je suppose que la plupart du temps quand on utilise le javascript pour retourner un lien, c'est pour prendre en compte l'action de l'utilisateur, donc ca dépend de parametres rentrés par l'utilisateur...?

En fait les pseudo-url sont utilisées pour éviter de gérer un onclick tout en bénéficiant des propriétés de la balise a (forme du curseur, couleur des liens entre autres).