Re: (roberto celestino)Amigos,
| From: | Tomas V.V.Cox | Date: | Sat, 25 Nov 2000 14:28:44 +0000 |
| Subject: | Re: (roberto celestino)Amigos, | ||
| References: | 1 | Groups: | php.general.es |
| Request: | Send a blank email to general-es+get-4228@lists.php.net to get a copy of this message | ||
Alejandro Alfonso Fernandez wrote:
>
> > -Necesito saber como poder hacer o si existe algun tipo de clase que se
> > encargue de parsear html, es decir devolverme todos los tag img, poder
> > acceder a la propiedad src de este etc... Existe algo, Como puedo encararlo?
>
> Hello... bueno, yo tengo un programa que sube ficheros HTML a un server, y
> cambia las URL de los tag <IMG> (creo que es lo que necesitas)
>
> Bien...te paso algo de codigo:;
>
> <?php
> # Ahora recorro el Fichero... linea a linea...
> while (!feof($fp))
> {
> $line = fgets($fp, 1024);
> # Y busco la URL <IMG SRC="loquehayaqui">
> # Ojo... esto no se si esta bien
> if( ereg("<IMG SRC=\"([0-9])\">)",$line, $reg) )
> {
> # Por cada coincidencia, $reg[1], la meto en un
Esta forma de hacerlo es bastante limitada. Por ejemplo no encontrará
nada de lo siguiente:
<img src="asdsd">
<IMG SRC="asdasd">
<IMG src="asdsd">
<IMG SRC="asdasd" ALT="asdasd">
<IMG
SRC="asdads">
La forma de hacerlo bien es algo asi como (pseudocodigo);
$html = readfile ("mipagina.htm");
$html = expresion regular que quita todos los espacios en el tag y otros
atributos que no interesan
while (eregi(expresion regular para encontrar el tag, $html,
$coincidencias)) {
en $coincidencias queda la cadena con el tag;
tratamos el tag;
ereg_replace ($coincidencia, $html); // o substr
}
Muy a mi pesar no estoy muy puesto en expresiones regulares, pero si en
leer código de otros proyectos ;). Por ejemplo sacado del slashdot like
site engine: http://atthat.com
$str = eregi_replace("<[[:space:]]*([^>]*)[[:space:]]*>",
'<\\1>', $str);
// Delete all spaces from html tags .
$str =
eregi_replace("<a[^>]*href[[:space:]]*=[[:space:]]*\"?[[:space:]]*([^\"
>]*)[[:space:]]*\"?[^>]*>",
'<a href="\\1">', $str); # "
// Delete all attribs from Anchor, except an href, double
quoted.
$tmp = "";
while (ereg("<(/?[[:alpha:]]*)[[:space:]]*([^>]*)>",$str,$reg))
{
// el codigo que procesa el asunto
}
para el tag <a href> pero vamos que el <img> es mucho mas facil aun.
Otra forma quizas mas rapida es pasarle un striptags al html y decirle
que solo te deje los tags <img>. Despues con una expresion regular
meterlos todos en un array y ir tratando uno a uno.
Espero que os sirva,
Tomas V.V.Cox