[RegEx] HTML-Links erkennen

$traight-$hoota · 21.09.2006, 20:22

Ich möchte aus einem HTML-Quellcode alle links herausfiltern. Als Regex hab ich folgendes:

Code:

/<a\s+href="(.+?)"(\s.*?)?>(.*?)</a>/

dieses pattern findet alle a-tags und die href-attribute. weitere attribute sind so nur nach dem href-attribute möglich. um auch links zu finden, bei denen das href-tag nicht als erstes steht, hab ich folgendes hinzugefügt:

Code:

/<a(\s.+?)?\s+href="(.+?)"(\s.*?)?>(.*?)</a>/

aber dummerweise ist dieses erste subpattern trotz ? nach dem multiplikator gierig...
beispiel

Artemis · 22.09.2006, 20:38

Habs ein bisschen getestet, und dieser hier geht:

Code:

<a (.*?)href="([^"]*)"(.*?)>(.*?)</a>

$traight-$hoota · 22.09.2006, 23:11

ja, schon, aber der würde z.b auch <a fakehref="xxx>xxx</a> finden, weil da vor dem href kein leerzeichen sein muss.
natürlich gibt es keine anderes attribut, dass auf href endet, aber ich versuche halt irgendwie eine lösung zu finden, die "optimal" ist. müsste es ja eigentlich geben...

robo47 · 23.09.2006, 17:03

dann mach ne leerstelle vors href ? btw erkennt man mittels dem teil hier :

Zitat:

nur "valide" Links, also schauen ob es bei was internem eingesetzt wird, wo man sich eines sauberen quelcodes sicher sein kann, oder ob es sich z.b. um ne art spider handelt die auch andere seiten aufrufen soll.

mfg
robo47

$traight-$hoota · 23.09.2006, 19:02

die leerstelle hab ich ja gemacht, aber das funktioniert nicht...

".+?" sollte den selben effekt wie "[^"]" haben.

21.09.2006, 20:22	Nach oben #1
$traight-$hoota Erfahrener Benutzer Registriert seit: 15.09.2005 Ort: Königreich Flieden Beiträge: 491	[RegEx] HTML-Links erkennen Ich möchte aus einem HTML-Quellcode alle links herausfiltern. Als Regex hab ich folgendes: Code: /<a\s+href="(.+?)"(\s.?)?>(.?)</a>/ dieses pattern findet alle a-tags und die href-attribute. weitere attribute sind so nur nach dem href-attribute möglich. um auch links zu finden, bei denen das href-tag nicht als erstes steht, hab ich folgendes hinzugefügt: Code: /<a(\s.+?)?\s+href="(.+?)"(\s.?)?>(.?)</a>/ aber dummerweise ist dieses erste subpattern trotz ? nach dem multiplikator gierig... beispiel __________________ Weißt Bescheid - Scheiß wie weit

22.09.2006, 20:38	Nach oben #2
Artemis Semantic Web Fanatic Registriert seit: 03.06.2006 Beiträge: 235	Habs ein bisschen getestet, und dieser hier geht: Code: <a (.?)href="([^"])"(.?)>(.?)</a> __________________ Applikations-Programmierung: BlitzMax, BlitzPlus Webentwicklung: PHP, (X)HTML, CSS, JavaScript, MySQL Geändert von Artemis (22.09.2006 um 20:43 Uhr).

22.09.2006, 23:11	Nach oben #3
$traight-$hoota Erfahrener Benutzer Registriert seit: 15.09.2005 Ort: Königreich Flieden Beiträge: 491	ja, schon, aber der würde z.b auch <a fakehref="xxx>xxx</a> finden, weil da vor dem href kein leerzeichen sein muss. natürlich gibt es keine anderes attribut, dass auf href endet, aber ich versuche halt irgendwie eine lösung zu finden, die "optimal" ist. müsste es ja eigentlich geben... __________________ Weißt Bescheid - Scheiß wie weit

23.09.2006, 19:02	Nach oben #5
$traight-$hoota Erfahrener Benutzer Registriert seit: 15.09.2005 Ort: Königreich Flieden Beiträge: 491	die leerstelle hab ich ja gemacht, aber das funktioniert nicht... ".+?" sollte den selben effekt wie "[^"]" haben. __________________ Weißt Bescheid - Scheiß wie weit

Ähnliche Themen
Thema	Autor	Forum	Antworten	Letzter Beitrag
links im dokument	robo47	HTML, XML und CSS	19	04.05.2006 15:09
HTML in HTML einbinden	mr1st	HTML, XML und CSS	3	14.01.2006 16:19
include -> html -> php/html	Julied64	PHP-Programmierung	2	03.09.2005 12:35
TextArea + HTML??	debian inside	Desktop-Applikationen und Grafik	16	18.05.2005 11:43
HTML Code im Frame darstellen ?	tuxsymptom	Desktop-Applikationen und Grafik	5	03.01.2005 19:42

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

Themen-Optionen
Druckbare Version zeigen Diese Seite per E-Mail verschicken