Feste URL parsen

[frederic]

OffTopic:

---

Original geschrieben von onemorenerd

OffTopic:

---

Ich wollte nur auf die Regeln hinweisen.

---

Was zwar unnötig war, aber ich kann aus eigener Erfahrung sagen: Besser lieber einmal mehr, als zu wenig .

---

[frederic]

Okay, ich muss - leider - noch einmal nerven.
Ich möchte alle URLs passen, die innerhalb eines href-Tages vorkommen - wie mache ich das? Das Problem ist, dass dies auf Basis des vorhandenen Codes passieren muss:

<?php
if(preg_match_all('!(' . getURLParse($url) . '[^\s]*)!i',
$value, $matches)) {
// ...
}
?>

Das Skript sollte sowohl href="XY" also auch href='' erkennen. Ich bekomme es leider nicht funktionsfähig hin.

Zur Erläuterung:

<?php
function getURLParse($url) {

    $url = str_ireplace(".", "\\.", $url);
    $url = str_ireplace("-", "\\-", $url);

    return $url;

}
?>

[penizillin]

dann schreib doch href= davor und [\"'] um die url herum.

hausaufgabe: welchen _fehlerhaften_ tag wird dieser ausdruck akzeptieren und wie geht man damit um?

[frederic]

Es kommt kein Fehler, aber auch kein Suchergebnis:

!(href=[\"\\']' . getURLParse($url) . '[^\s]*[\"\\'])!i

Was ist falsch?
Ein fehlerhafter Tag, der akzeptiert wird und wie man damit umgeht? Mir ist kein "fehlerhafter" href-Tag bekannt?! Google-Suche brachte auch nichts. Der Regexp akzeptiert doch lediglich href="XY" bzw. href='XY'.

Edit: Ah, "nohref"!

[penizillin]

Was ist falsch?

falsch ist, dass du nicht debuggst. mit dem regexp-evaluator.de kannst du den ausdruck stückweise aufbauen und zusehen, worauf er zutrifft. das ist immer besser, als "aus dem bauch".

Der Regexp akzeptiert doch lediglich href="XY" bzw. href='XY'.

nicht nur. überlege noch mal.

[frederic]

Original geschrieben von penizillin
nicht nur. überlege noch mal. [/B]

Siehe edit: "nohref"

[penizillin]

das meine ich nicht.

[frederic]

Ich finde den Fehler einfach nicht. Habe zwar hin und her probiert (mit Backslashes und Befehle an eine andere Stelle), aber es bleibt stehts fehlerhaft:
http://regexp-evaluator.de/evaluator...0608/#ergebnis

Mh.. Es gibt noch "hreflang". Gibt es ggf. eine Möglichkeit, href-Tags zu manipulieren?

Edit: Nein, hreflang kann es nicht sein, da er ja "href=" parst.

[frederic]

Okay, ich habe etwas:
http://regexp-evaluator.de/evaluator...a484/#ergebnis

Edit: Allerdings ist das keine Lösung, weil ich im o.g. Regexp ein Fehler der Seite behoben musste. Bei mir funktioniert dies nicht.

[penizillin]

übrigens, kennst du preg_quote()?

was soll [^\s] eigentlich bedeuten?

[frederic]

Ja, schon einmal gehört. Das wäre wohl besser statt meine Funktion getURLParse.

Zu deiner zweiten Frage: Ich habe fest definierte URLs z. B. nach dem Muster "http://www.spiegel.de". Der Regexp soll nur URLs UNTERHALB dieser URL finden, also z. B. "http://www.spiegel.de/politik/", nicht aber "http://forum.spiegel.de/xy/". Deshalb "[^\s]".

[penizillin]

und auf welche und v.a. wieviele zeichen trifft [^\s] zu?

[frederic]

Beliebig und beliebig viele. Im verlinkten Test auf regexp-evaluator.de nur einmal. Würden im Suchtext nun 300 Adressen unterhalb von "http://www.spiegel.de" eingegeben, müsste das System entsprechend 300 finden.

[frederic]

Es scheint anscheinend auch zu funktionieren. Nur: Er hat Probleme, wenn ich
[/"/']
verwende. Und außerdem haben wir das (angebliche) href-Problem noch nicht behoben. Zum anderen: Warum parst regexp-evaluator.de mehr als href="XY" raus?

[penizillin]

du hast die frage nicht verstanden. und hör auf zu raten - deine vermutungen sind gegenstandslos.

auf welche url trifft dein ausdruck mit [^\s] zu:

1) example.com/
2) example.com/f
3) example.com/foo
4) example.com/foobar