php-resource



Zurück   PHP-Scripte PHP-Tutorials PHP-Jobs und vieles mehr > Entwicklung > PHP Developer Forum
 

Login

 
eingeloggt bleiben
star Jetzt registrieren   star Passwort vergessen
 

 

 


PHP Developer Forum Hier habt ihr die Möglichkeit, eure Skriptprobleme mit anderen Anwendern zu diskutieren. Seid so fair und beantwortet auch Fragen von anderen Anwendern. Dieses Forum ist sowohl für ANFÄNGER als auch für PHP-Profis! Fragen zu Laravel, YII oder anderen PHP-Frameworks.

Antwort
 
LinkBack Themen-Optionen Thema bewerten
  #1 (permalink)  
Alt 19-06-2009, 14:45
mgutt
 Registrierter Benutzer
Links : Onlinestatus : mgutt ist offline
Registriert seit: May 2006
Beiträge: 73
mgutt ist zur Zeit noch ein unbeschriebenes Blatt
Standard <body>(.*)</body> aus HTML extrahieren

Hi,

komme ich damit klar, wenn ich den Quelltext einer Seite auf den Body reduzieren möchte oder muss ich noch irgendwas besonderes berücksichtigen?
Code:
$src = preg_replace('#<html.*<body.*>(.*?)</body.*>.*</html.*>#Uis', '\\1', $src);
Ich habe den Wert in den Klammern greedy gemacht, da es theoretisch sein kann, dass durch einen Fehler zwei <body>'s auf der Seite sein könnten. Hatte ich schon mal bei einem Kunden gesehen, weil der ein CMS hatte, dass einfach HTML-Seiten als Content includierte und die Seite ging trotzdem.

EDIT: Hmm.. ersetzt der dann das zwei mal oder nur einmal? Also was macht der aus:
Code:
<html>
<head>
</head>
<body>
Inhalt 1
<html>
<head>
</head>
<body>
Inhalt 2
</body>
</html>
</body>
</html>
Muss ich wohl mal testen...

EDIT2:
Ok daraus wird:
Code:
Inhalt 1
<html>
<head>
</head>
<body>
Inhalt 2
</body>
</html>
Das ist schlecht :P

EDIT3:
Ich denke ich lösche danach noch mal alle <html>, <head> und <body> Bereiche. Dann dürfte das klappen. Ich will nämlich Inhalt2 nicht haben.

Gruß
Marc
__________________
mein Honda Forum | meine Scripte

Geändert von mgutt (19-06-2009 um 14:59 Uhr)
Mit Zitat antworten
  #2 (permalink)  
Alt 19-06-2009, 14:46
wahsaga
  Moderator
Links : Onlinestatus : wahsaga ist offline
Registriert seit: Sep 2001
Beiträge: 25.236
wahsaga befindet sich auf einem aufstrebenden Ast
Standard

Zitat:
Zitat von mgutt Beitrag anzeigen
komme ich damit klar
Weiss nicht - sag's uns ...
__________________
I don't believe in rebirth. Actually, I never did in my whole lives.
Mit Zitat antworten
  #3 (permalink)  
Alt 19-06-2009, 23:31
Benutzerbild von fireweasel fireweasel
 Registrierter Benutzer
Links : Onlinestatus : fireweasel ist offline
Registriert seit: Sep 2008
Ort: At home
Beiträge: 851
fireweasel wird schon bald berühmt werdenfireweasel wird schon bald berühmt werden
fireweasel eine Nachricht über AIM schicken fireweasel eine Nachricht über Yahoo! schicken
Standard

Zitat:
Zitat von mgutt Beitrag anzeigen
Hi,

komme ich damit klar, wenn ich den Quelltext einer Seite auf den Body reduzieren möchte oder muss ich noch irgendwas besonderes berücksichtigen?
Code:
$src = preg_replace('#<html.*<body.*>(.*?)</body.*>.*</html.*>#Uis', '\\1', $src);
Ich habe den Wert in den Klammern greedy gemacht, ...
Lazy wäre wohl richtig gewesen ...
Aber man kommt schnell durcheinander, wenn man den Verdreh-Modifikator /U benutzt. Deshalb lasse ich den gewöhnlich weg, und schreibe lieber ein paar Fragzeichen mehr in den RegEx.

Du solltest zum "Ausschneiden" eines Teilstrings besser die passende Funktion benutzen. Preg_replace() hat (u. A.) den Nachteil, dass du den ganzen Originalstring bekommst, wenn dein RegEx nicht passt.

PHP-Code:
$part preg_match('/<html.*?<body.*?>(.*?)<\/body.*?>.*?<\/html.*?>/is'$html_src$hits)
        ? 
$hits[1] : ''
Zitat:
da es theoretisch sein kann, dass durch einen Fehler zwei <body>'s auf der Seite sein könnten. Hatte ich schon mal bei einem Kunden gesehen, weil der ein CMS hatte, dass einfach HTML-Seiten als Content includierte und die Seite ging trotzdem.
Ja, die HTML-Parser der gängigen Webbrowser sind schon arme Schweine. Die müssen auch den größten Unfug in irgendwie darstellbare Form bringen.

Zitat:
Ich denke ich lösche danach noch mal alle <html>, <head> und <body> Bereiche. Dann dürfte das klappen. Ich will nämlich Inhalt2 nicht haben.
Siehe mein Vorschlag ...

Geändert von fireweasel (19-06-2009 um 23:39 Uhr)
Mit Zitat antworten
  #4 (permalink)  
Alt 20-06-2009, 01:12
mgutt
 Registrierter Benutzer
Links : Onlinestatus : mgutt ist offline
Registriert seit: May 2006
Beiträge: 73
mgutt ist zur Zeit noch ein unbeschriebenes Blatt
Standard

Zitat:
Zitat von fireweasel Beitrag anzeigen
Lazy wäre wohl richtig gewesen ...
Aber man kommt schnell durcheinander, wenn man den Verdreh-Modifikator /U benutzt. Deshalb lasse ich den gewöhnlich weg, und schreibe lieber ein paar Fragzeichen mehr in den RegEx.
Ich nicht und wenn Du noch mal hinschaust, siehst Du, dass er Greedy ist. Ich arbeite beim body genauso wie der Browser. Der nimmt nur die äußeren Tags. Dein preg_match()-Beispiel dagegen die inneren Tags, wodurch ein eingebettes HTML zum vorzeitigen Abbruch der Verarbeitung führt und alles was nach dem eingebetteten HTML kommt wird dadurch ignoriert. Der Browser dagegen stellt auch noch das alles dar, weil er gar nicht nach einem Ende sucht. Daher hat google.de auch keine endenden body- und html-Tags.

Zitat:
Du solltest zum "Ausschneiden" eines Teilstrings besser die passende Funktion benutzen. Preg_replace() hat (u. A.) den Nachteil, dass du den ganzen Originalstring bekommst, wenn dein RegEx nicht passt.
Was Du als Nachteil bezeichnest, sehe ich als Vorteil und ich würde die Argumentation auch vollkommen umdrehen, da ich nichts ausschneiden möchte, sondern löschen (den Kopf und den Fuß). Du löschst den Quellcode weiterhin komplett, wenn nichts gefunden wurde.

Ich will aber - bei nicht vorhandenen html- und body-Tags - das haben was übrigt bleibt, weil man dann davon ausgehen muss, dass der Webmaster die entsprechenden Tags weggelassen hat. Weiterhin ist preg_replace() performanter, da es ohne eine zusätzliche Bedingung und ohne ein zusätzliches Array auskommt.
__________________
mein Honda Forum | meine Scripte
Mit Zitat antworten
  #5 (permalink)  
Alt 20-06-2009, 01:14
mgutt
 Registrierter Benutzer
Links : Onlinestatus : mgutt ist offline
Registriert seit: May 2006
Beiträge: 73
mgutt ist zur Zeit noch ein unbeschriebenes Blatt
Standard

Zitat:
Zitat von wahsaga Beitrag anzeigen
Weiss nicht - sag's uns ...
Damit wollte ich auf bestimmte Eventualitäten anspielen, die ich selbst vielleicht nicht bedacht habe.

Ich habe z.B. die Groß- und Kleinschrift ignoriert und berücksichtigt, dass nach einem öffnenden Tag noch weitere Zeichen folgen könnten. Vielleicht gibts ja noch was, was ich vergessen habe.
__________________
mein Honda Forum | meine Scripte
Mit Zitat antworten
Antwort

Lesezeichen


Aktive Benutzer in diesem Thema: 1 (Registrierte Benutzer: 0, Gäste: 1)
 

Ähnliche Themen
Thema Autor Forum Antworten Letzter Beitrag
[REGEX] Inhalt zwischen <body> und </body> Tiger_XT PHP Developer Forum 2 23-03-2007 14:32
nur den body aus HTML herausfiltern Trompetenkäfer PHP Developer Forum 2 20-10-2006 01:50
<body... </body> auslesen starsk8er PHP Developer Forum 2 03-08-2006 16:30
[HTML] Email-Link &body Funktion Webbymaster HTML, JavaScript, AJAX, jQuery, CSS, Bootstrap, LESS 3 14-04-2006 20:37
HTML innerhalb von <body></body> auslesen chrisonline PHP Developer Forum 4 21-09-2002 15:41

Themen-Optionen
Thema bewerten
Thema bewerten:

Forumregeln
Es ist Ihnen nicht erlaubt, neue Themen zu verfassen.
Es ist Ihnen nicht erlaubt, auf Beiträge zu antworten.
Es ist Ihnen nicht erlaubt, Anhänge hochzuladen.
Es ist Ihnen nicht erlaubt, Ihre Beiträge zu bearbeiten.

BB-Code ist an.
Smileys sind an.
[IMG] Code ist an.
HTML-Code ist aus.
Trackbacks are an
Pingbacks are an
Refbacks are an


PHP News

ebiz-trader 7.5.0 mit PHP7 Unterstützung veröffentlicht
ebiz-trader 7.5.0 mit PHP7 Unterstützung veröffentlichtDie bekannte Marktplatzsoftware ebiz-trader ist in der Version 7.5.0 veröffentlicht worden.

28.05.2018 | Berni

Wissensbestand in Unternehmen
Wissensbestand in UnternehmenLebenslanges Lernen und Weiterbilden sichert Wissensbestand in Unternehmen

25.05.2018 | Berni


 

Aktuelle PHP Scripte

PHP Server Monitor

PHP Server Monitor ist ein Skript, das prüft, ob Ihre Websites und Server betriebsbereit sind.

11.09.2018 Berni | Kategorie: PHP/ Security
PHP WEB STATISTIK ansehen PHP WEB STATISTIK

Die PHP Web Statistik bietet Ihnen ein einfach zu konfigurierendes Script zur Aufzeichnung und grafischen und textuellen Auswertung der Besuchern Ihrer Webseite. Folgende zeitlichen Module sind verfügbar: Jahr, Monat, Tag, Wochentag, Stunde Folgende son

28.08.2018 phpwebstat | Kategorie: PHP/ Counter
Affilinator - Affilinet XML Produktlisten Skript

Die Affilinator Affilinet XML Edition ist ein vollautomatisches Skript zum einlesen und darstellen der Affili.net (Partnerprogramm Netzwerk) Produktlisten und Produktdaten. Im Grunde gibt der Webmaster seine Affilinet PartnerID ein und hat dann unmittelb

27.08.2018 freefrank@ | Kategorie: PHP/ Partnerprogramme
 Alle PHP Scripte anzeigen

Alle Zeitangaben in WEZ +2. Es ist jetzt 13:25 Uhr.