PHP: Kako da uhvatim sve varijacije http-equiv="refresh" i izvucem URL

srdjevic · 24. 08. 2011.

Nazalost, ja ne bih nikako koristio DOM parser. Glavni razlog je ona ubijajuca prva linija koda -- ako je ubacis, sredjujes HTML za obradu, ali ubijas url; host deo nije problem, on i treba da je lowercased, ali path, query, anchor, svi oni mogu da ti puknu, jer ih izvlacis lowercased, a ne u originalu (dakle nisu isti linkovi).
Ako je izbacis, parser ce ti puci u >50% koda, jer se nece snaci sa velikim slovima bas najbolje (a mnogi ih koriste).

Dakle, treba preci na pregove... Kako raspored propertija pravi problem, najlakse je (po meni) odraditi ovo u loop-ovima. Prvo izvucemo sve meta tagove, samo proverimo imaju li equiv, i ako imaju, cupamo content.

Radio sam skoro nesto vrlo slicno (sa drugim tagovima), pa evo ti preradjenog resenja (mozda patterni skripe malo, nisam testirao):

PHP kôd:


			
$html = '<head>

<meta http-equiv="refresh" content="0; url=http://example1.com/">

<meta http-equiv=\'refresh\' content="0; url=http://example2.com/">

<meta http-equiv=refresh content="0; url=http://example3.com/">

</head>';



$res = array();

$metapattern = '/<meta\s(.[^>]*)>/si';

$httppattern = '/\s?http-equiv=[\'"]?refresh[\'"]?/si';

$refpattern1 = "/\s?content='\d+\s?;\s?url=([^']*)'/si";

$refpattern2 = '/\s?content="\d+\s?;\s?url=([^"]*)"/si';

// get all meta tags

preg_match_all($metapattern, $html, $metas);

foreach ( $metas[1] as $meta ) {

    // check if it's equiv=refr

    if ( preg_match($httppattern, $meta) ) {

        // extract url prop

        if ( preg_match($refpattern1, $meta, $url) || preg_match($refpattern2, $meta, $url) ) {

            $res[] = $url[1];

        }

    }

}



print_r($res);

Doduse, kontam da bi ovo ipak opet pokrilo samo tih istih 99 od 100 gorepomenutih slucajeva, tako da je kanda svejedno...

24. 08. 2011.	#11
srdjevic profesionalac Professional Datum učlanjenja: 15.06.2005 Lokacija: Chicago IL, USA Poruke: 209 Hvala: 12 12 "Hvala" u 11 poruka	Nazalost, ja ne bih nikako koristio DOM parser. Glavni razlog je ona ubijajuca prva linija koda -- ako je ubacis, sredjujes HTML za obradu, ali ubijas url; host deo nije problem, on i treba da je lowercased, ali path, query, anchor, svi oni mogu da ti puknu, jer ih izvlacis lowercased, a ne u originalu (dakle nisu isti linkovi). Ako je izbacis, parser ce ti puci u >50% koda, jer se nece snaci sa velikim slovima bas najbolje (a mnogi ih koriste). Dakle, treba preci na pregove... Kako raspored propertija pravi problem, najlakse je (po meni) odraditi ovo u loop-ovima. Prvo izvucemo sve meta tagove, samo proverimo imaju li equiv, i ako imaju, cupamo content. Radio sam skoro nesto vrlo slicno (sa drugim tagovima), pa evo ti preradjenog resenja (mozda patterni skripe malo, nisam testirao): PHP kôd: $html = '<head> <meta http-equiv="refresh" content="0; url=http://example1.com/"> <meta http-equiv=\'refresh\' content="0; url=http://example2.com/"> <meta http-equiv=refresh content="0; url=http://example3.com/"> </head>'; $res = array(); $metapattern = '/<meta\s(.[^>])>/si'; $httppattern = '/\s?http-equiv=[\'"]?refresh[\'"]?/si'; $refpattern1 = "/\s?content='\d+\s?;\s?url=([^'])'/si"; $refpattern2 = '/\s?content="\d+\s?;\s?url=([^"])"/si'; // get all meta tags preg_match_all($metapattern, $html, $metas); foreach ( $metas[1] as $meta ) { // check if it's equiv=refr if ( preg_match($httppattern, $meta) ) { // extract url prop if ( preg_match($refpattern1, $meta, $url) \|\| preg_match($refpattern2, $meta, $url) ) { $res[] = $url[1]; } } } print_r($res); Doduse, kontam da bi ovo ipak opet pokrilo samo tih istih 99 od 100 gorepomenutih slucajeva, tako da je kanda svejedno... __________________ ActiveCampaign* - Email marketing made simple.