Ayuda: Función para sacar rutas en un código fuente html

[alca87]

Buenas, andaba yo tonteando con php y se me ocurrió realizar un pequeño script para buscar en el código fuente de una web externa, todas las rutas que sean de este tipo:
http://www.pagina.com/archivo.php?v=e165a01

y almacenara o bien la ruta entera, o solo el contenido de la variable, o lo que es lo mismo: e165a01

He probado con la función explode, de esta manera:

Código PHP:

          $extraido = explode('"archivo.php?v=',$fuente,2); 
        $extraido = explode('"',$extraido[1]); // Delimitador final:comilla doble  
   

Esto no me funciona ya que me parte todo el código fuente dentro de un array enorme, cosa que no me sirve para nada.

He pensado en usar para delimitar la cadena, expresiones regulares, pero me parece demasiado engorroso para algo tan simple.

No se si a alguien se lo ocurre una solución efectiva para esto o si alguna vez habeis usado/codeado una función parecida a lo que yo quiero.

Gracias a todos.

[pateketrueke]

expresiones regulares, esa es mi respuesta....

http://www.forosdelweb.com/f18/aport...s-pcre-646110/


demás, engorroso?? ... jajaja! (si es muy poderoso, seguro hay que usarlo bien)

Código PHP:

  preg_match_all('/archivo\.php\?v=([a-z0-9]+)/i', $html, $match);

print_r($match);  
   

[Un_Tico]

Mmmm....

hace algun tiempo me hice una clasesita para manejar URL's talvez le falte algo pero me ha servido para lo que la he necesitado.

Aqui Ta:

Código:

<?php

class sys_url {

	var $scheme;
	var $domain;
	var $port;
	var $path;  # e.g:  /site/   always between '/'
	var $filename;
	var $query; # id=1&b=2&c=3&...
	var $query_vars; #array of 'name'=>value from query;

	var $user;
	var $pass;
	
	function sys_url(){
		$this->scheme = 'http';
		$this->domain = ''; // domain | IP
		$this->port = 80;
		$this->path = '/';
		$this->filename = '';
		$this->query = '';
		$this->query_vars = array();

		$this->user = NULL;
		$this->pass = NULL;
	}
	
	function print_url_info(){
		$info = array();
		$info['scheme'] = $this->scheme;
		$info['domain'] = $this->domain;
		$info['port'] = $this->port;
		$info['path'] = $this->path;
		$info['filename'] = $this->filename;
		$info['query'] = $this->query;
		return $info;
	}
	
	function set_url($full_url=''){		

		if( $full_url == '' ){
		
			$this->domain = str_replace('/','',$_SERVER['SERVER_NAME']);
			$this->port = $_SERVER['SERVER_PORT'];
			$this->filename = basename(__FILE__);//$_SERVER['PHP_SELF'];
			$this->path = substr($_SERVER['REQUEST_URI'],0,strrpos($_SERVER['REQUEST_URI'],'/'.$this->filename)).'/';
			$this->query = $_SERVER['QUERY_STRING'];
			$this->set_query($this->query);
			$result = TRUE;
			
		} else {
			
			$info = parse_url($full_url);
			$this->domain = $info['scheme'];
			$this->port = $info['port'];
			$this->path = $info['path'];
			$this->filename = '';
			$this->query = $info['query'];
			$result = TRUE;
		}
		return $result;
	}

	function set_scheme($scheme){
		### VALID SCHEMES: http, https, ftp, gopher. ###
		$result = FALSE;
		$valid_schemes = array('http','https');
		if( in_array($scheme,$valid_schemes) ){
			$this->scheme = $scheme;
			$result = TRUE;
		}
		return $result;		
	}
	
	function set_domain($domain){
		$this->domain = $domain;
	}
	
	function get_domain(){
		return $this->domain;
	}
	
	function set_path($path){
		$this->path = $path;
		if( substr($path,-1,1)!='/' ){
			$this->path .= '/';
		}		
	}
	
	function get_path(){
		return $this->path;
	}
	
	function set_filename($filename){
		$this->filename = $filename;
	}
	
	function get_filename(){
		return $this->filename;
	}
	
	function set_query($query){
		$query_vars = array();
		if( $query!='' ){
			$tmp_query = explode('&',$this->query);
			foreach($tmp_query as $value){
				unset($tmp_name,$tmp_val);
				list($tmp_name,$tmp_val) = explode('=',$value);
				$query_vars[$tmp_name] = $tmp_val;
			}
			$this->query_vars = $query_vars;
		}
		return TRUE;
	}
	
	function get_query(){
		return $this->query;
	}
	
	function rebuild_query(){
		$tmp_query = '';
		if( count($this->query_vars)>0 ){
			reset($this->query_vars);
			while( list($tmp_name,$tmp_val) = each($this->query_vars) ){
				if( $tmp_query!='' ){
					$tmp_query .= '&';
				}
				$tmp_query .= $tmp_name.'='.$tmp_val;
			}
			$this->query = $tmp_query;
		}				
	}
	
	function add_query_val($name,$value){
		$result = FALSE;
		if( $name!='' ){
			$this->query_vars[$name] = $value;
			$this->rebuild_query();
			$result = TRUE;
		} 		
		return $result;
	}
	
	function del_query_val($name){
		$result = FALSE;
		if( array_key_exists($name,$this->query_vars) ){
			unset($this->query_vars[$name]);
			$this->rebuild_query();
			$result = TRUE;
		} 
		return $result;
	}
	
	function get_rel_url_from($rel_path){
		$rel_path = '';
		$prev = '../';
		$tree_path = explode('/',$this->path);
		return $result;
	}
	
	function get_rel_url(){
		$result = $this->filename;
		$query_string = trim($this->query);
		if( $query_string!='' ){
			$result .= '?'.$query_string;
		}
		return $result;
	}
	
	function get_full_url(){
		$full_url = $this->scheme.'://'.$this->domain.$this->get_path().$this->get_rel_url();
		
		return $full_url;
	}
}

?>

Saludos...