Detectar Links y meter en un array

[Auton]

Hola,
por no subir de nuevo un antiguo tema hago la pregunta en uno nuevo.

El tema es este:

http://foro.elhacker.net/php/buscar_links_y_meter_en_un_array-t293080.0.html

y mi pregunta es cómo puedo extraer el texto del link aparte de la url.

Gracias

[madpitbull_99]

Escribí un post que te puede ayudar: Parsear HTML con PHP – Simple HTML DOM Parser.

Con esa librería se puede hacer fácilmente lo que tú quieres.

[Auton]

Hola,
muchas gracias por tu pronta respuesta.
Esa librería y código están realmente bien.
Quizá lo necesite en algún momento pero busco algo que creo que es más sencillo a partir de algo que ya tengo. Con este mismo código

Código [Seleccionar] Expandir

<?
$html = file_get_contents('http://www.example.com');

$dom = new DOMDocument();
@$dom->loadHTML($html);

// grab all the on the page
$xpath = new DOMXPath($dom);
$hrefs = $xpath->evaluate("/html/body//a");

for ($i = 0; $i < $hrefs->length; $i++) {
       $href = $hrefs->item($i);
       $url = $href->getAttribute('href');
       echo $url.',';
}
?>


ya consigo extraer todas las urls de un html sin librerías en la variable $url, y me imagino que de la misma manera que tenemos la url me imagino que no debe ser muy dificil extraer lo que hay entre: <a href="http://ellink">
y </a> en otra variable, aunque para mí no es tan sencillo claro.
Si no aparece algo recurriré a lo que me dices.
Gracias de nuevo

[madpitbull_99]

Mira esta función que sirve para extraer el contenido situado entre dos delimitadores:

Código (php, 31) [Seleccionar] Expandir

<?php
 
    /**
     * Devuelve el contenido situado entre dos delimitadores.
     *
     * @return string
     */
    function getContentFromDelimiters($string, $start, $end) {
        $pos = stripos($string, $start);
        $str = substr($string, $pos);
        $str_two = substr($str, strlen($start));
        $second_pos = stripos($str_two, $end);
        $str_three = substr($str_two, 0, $second_pos);
        $unit = trim($str_three);
        return $unit;
    }
 
    /**
     * Funcionamiento y Uso
     */
 
    $handler = fopen ("http://madhacking.com", r);
    if ($handler)
        echo "[Ok] Access to site.<br />";
    while (!feof($handler)) {
        $webData .= fread($handler, 12000);
    }
    //var_dump($webData);
    fclose($handler);
 
    $webTitle = getContentFromDelimiters($webData, "<title>", "</title>");
    echo "<b>The web title is: </b>".$webTitle;
?>


También viene con un ejemplo de uso. Lo importante está en la línea resaltada.

Supongo que es lo que quieres, mira a ver si te sirve.

[Auton]

Muchas gracias,
ahora estoy intentando utilizar esto pero para que encuentre los textos de los enlaces de la página de forma dinámica dentro del bucle de mi código.
Te contaré

[Shell Root]

Te puede servir de apoyo
http://shellrootsecurity.blogspot.com/2010/06/simulacion-de-la-tool-list-urlspy-en_1763.html

[Auton]

Hola,
muchas gracias por tu aportación.
Había visto preg_match_all pero no entiendo muy bien que debo hacer con este código.
'argv' ?
No se dónde tendría que poner la url del contenido de donde tengo que extraer los links (con su texto de link).

Muchas gracias

[Shell Root]

Lo que pasa es que esto se realiza por medio de la consola y por el paso de argumentos tal como,

Código (bash) [Seleccionar] Expandir

$ php list-urls.php [URL]

[Auton]

Hola!
Ya tengo la solución !
Ante todo gracias por vuestras respuestas.
Aunque la solución era más sencilla.
Partiendo del mismo código que había puesto sólo he tenido que añadir $text = $href->nodeValue; donde la variable $text será el texto del link.

Código [Seleccionar] Expandir


<?
$html = file_get_contents('http://www.example.com');

$dom = new DOMDocument();
@$dom->loadHTML($html);

// grab all the on the page
$xpath = new DOMXPath($dom);
$hrefs = $xpath->evaluate("/html/body//a");

for ($i = 0; $i < $hrefs->length; $i++) {
      $href = $hrefs->item($i);
      $url = $href->getAttribute('href');
      $text = $href->nodeValue;
      echo "<a href='$url'>$text</a>";
}
?>

De hecho ahora lo que me faltaría es detectar una imagen en caso de que en lugar de texto fuese una el cuerpo del enlace.

[WHK]

Sin librerías:

Código (php) [Seleccionar] Expandir

<?php

$buffer = file_get_contents('http://foro.elhacker.net/');
$links = explode('<a', $buffer);
array_shift($links);
foreach($links as $id => $link){
$lnk = explode('href="', $link);
$lnk = explode('"', $lnk[1]);
$lnk = $lnk[0];
$text = explode('>', $link);
$text = explode('<', $text[1]);
$text = $text[0];
if(substr(trim($text), 0, 1) == '<')
$type = 'object';
elseif(!trim($text))
$type = 'bad link';
else
$type = 'text';

$ob_links[] = array(
'id' => ($id + 1),
'link' => $lnk,
'text' => $text,
'type' => $type
);
}

print_r($ob_links);

?>