regex pattern mit zwischen Zeichen = egal

lima-city → Forum → Programmiersprachen → PHP, MySQL & .htaccess

Autor dieses Themas

15:04, 6.3.2013

Hallo

ich möchte definierte Werte aus TAGs (HTML) auslesen

Bsispiel:

1 2	`preg_match_all ("/<meta name=\"description\" content=\"(.*)\"/iUs",` `$html,` `$matches);` `$descritpion` `=` `$matches[1][0];`

das klappt auch meistens, aber nicht wenn zwischen drin mehrehre Leerzeichen sind,
was vorkommt, wenn jemand seinen Quellcode besonders "schön" formatiert hat

Beispiel:

... 
        <meta name="description"    content="Hier steht die Beschreibung zur Homepage als Text">
        <meta name="keywords"       content="Wote, durch, Komma, getrennt">
        <meta name="author"         content="Donald Duck">
...

also hier sind vor

content=

unterschiedlich viele Leerzeichen ...
... deshalb greift mein Parrtern nicht mehr ... der erwartet nur 1 Leerzeichen

Wie muss ich den Pattern ändern, damit es egal ist, wieviele (Leer-)Zeichen vor

content=

sind ?

noch ein Beispiel:

1	`$html` `=` `'<a href="ziel.php" rel="nofollow" target="_self" title="Weiter gehts">hier klicken</a>';`

Wenn ich jetzt mit preg_match_all den Wert für href= und den Link-Text auslesen will,
weiß ich ja vorher nicht, was alles zwischen

href="..."

und

>hier klicken</a>

steht,
diesesmal sind es nicht nur Leerzeichen, sondern gemischte Zeichen (Text) dazwischen

Wie muss ein Pattern aussehen, der Wert für href= und den Link-Text auslesen kann,
wobei egal sein soll, was noch so an "Text" (gemischte Zeichen) dazwischen steht.

ich hoffe Ihr könnt mir helfen :=)

PS: sorry für den "komischen" Beitrags-Titel ... regex pattern mit zwischen Zeichen = egal
wenn jemand was besseres als Überschrift einfällt, gerne dazu schreiben :)

Beitrag zuletzt geändert: 6.3.2013 15:04:55 von webfav

Diskutiere mit und stelle Fragen: Jetzt kostenlos anmelden!

lima-city: Gratis werbefreier Webspace für deine eigene Homepage

hackyourlife

Moderator

hackyourlife hat kostenlosen Webspace.

15:16, 6.3.2013

Das funktioniert mit

\s+

Vollständiger Code:

<?php
 
$html = <<< ETX
        <meta name="description"    content="Hier steht die Beschreibung zur Homepage als Text">
        <meta name="keywords"       content="Wote, durch, Komma, getrennt">
        <meta name="author"         content="Donald Duck">
ETX;
 
$pattern = '/<meta name="(.+)"\\s+content="(.*)"/iU';
preg_match_all($pattern, $html, $matches);
header('content-type: text/plain');
print_r($matches);

Ausgabe:

Array
(
    [0] => Array
        (
            [0] => <meta name="description"    content="Hier steht die Beschreibung zur Homepage als Text"
            [1] => <meta name="keywords"       content="Wote, durch, Komma, getrennt"
            [2] => <meta name="author"         content="Donald Duck"
        )

    [1] => Array
        (
            [0] => description
            [1] => keywords
            [2] => author
        )

    [2] => Array
        (
            [0] => Hier steht die Beschreibung zur Homepage als Text
            [1] => Wote, durch, Komma, getrennt
            [2] => Donald Duck
        )

)

~~h**s~~

15:27, 6.3.2013
hach, da war hackyourlife mal wieder ne minute schneller...

...bedenke noch das manchmal die attribute der meta-tags nicht in " stehen sondern in ' oder gar ganz ohne anführungszeichen...da wäre das pattern dann so denke ich:

?
1
2
3
<?php
$pattern = '/<meta name=["\']?(.+)["\']?\\s+content=["\']?(.*)["\']?/iU';
?>
(oder kann man quantoren nur nach ausdrücken schrieben und nicht nach zeichenklassen ? versuch macht kluch...)

Autor dieses Themas

webfav

webfav hat kostenlosen Webspace.

15:46, 6.3.2013

Danke, das funktioniert ...

preg_match_all ('/<title>(.*)<\/title>/iU', $html, $matches1);
preg_match_all ('/<meta name="description"\\s+content="(.*)"/iU', $html, $matches2);
preg_match_all ('/<meta name="keywords"\\s+content="(.*)"/iU', $html, $matches3);
...

aber wenn ich die Variante für double-/single-quote oder ohne nehme,
dann bekomme ich aus den <meta> TAGs kein Ergebnis mehr ??

preg_match_all ('/<title>(.*)<\/title>/iU', $html, $matches1);
preg_match_all ('/<meta name=["\']?description["\']?\\s+content=["\']?(.*)["\']?/iU', $html, $matches2);
preg_match_all ('/<meta name=["\']?keywords["\']?\\s+content=["\']?(.*)["\']?/iU', $html, $matches3);
...

bei diesem zweiten Code mit

["\']?

anstatt

geht leider
nur der <title> TAG, aber die <meta> TAGs nicht ?!

... sollte doch richtig escaped sein ? ...

PS: ich will bewusst nur bestimmte META-Tags auslesen (title, description, keywords, author)
denn ich denke, wenn jemand viele weitere als diese definiert hat,
dann braucht preg_match_all() auch deutlich mehr Performance ?! ... oder nicht ?

und die PHP-Funktion: get_meta_tags() wäre auch eine Alternative für <meta> TAGs,
aber ich habe gelesen, damit ist es viel langsamer als mit Pattern und preg_match_all ...

Beitrag zuletzt geändert: 6.3.2013 15:49:05 von webfav

hackyourlife

Moderator

hackyourlife hat kostenlosen Webspace.

15:58, 6.3.2013

Versuch es mal so:

<?php
 
$html = <<< ETX
        <meta name="description"    content="Hier steht die Beschreibung zur Homepage als Text">
        <meta name="keywords"       content="Wote, durch, Komma, getrennt">
        <meta name="author"         content="Donald Duck">
        <meta name='author'         content="Donald Duck">
        <meta name='author'         content='Donald Duck'>
        <meta name=author           content='Donald Duck'>
        <meta name=author           content=Donald>
ETX;
 
$pattern = '/<meta name=(["\']?)(.+?)\\1\\s+content=(["\']?)(.+?)\\3[ >]/i';
preg_match_all($pattern, $html, $matches);
header('content-type: text/plain');
print_r($matches);

Autor dieses Themas

webfav

webfav hat kostenlosen Webspace.

19:30, 6.3.2013

aehhm ... ok ... interessant ... :)

anstatt nocmal

(["\']?)

macht Du einfach

//1

... also erstern Treffer wieder anwenden ??
das gleiche mit dem 3. Treffer .... so so ... :) ... was nicht alles geht ^^

also habe ich dann den Wert für name="..." im matches[2] ... und content="..." dann in matches[4]

habe den Pattern am Ende noch um das / Zeiche ergänzt (escaped mit Backslash)

1	`$pattern` `=` `'/<meta name=(["\']?)(.+?)\\1\\s+content=(["\']?)(.+?)\\3[ \/>]/i';`

wegen XHTML Code ... wo <meta .... .... /> wieder "geschlossen" wird .. wie bei <br />
für den Fall dass kein Leerzeichen vor dem abschließenen /> steht (siehe folgendes in 3. Zeile)

<meta name='description' content="Donald Duck ist nicht der Osterhase">
<meta name="description" content='Donald Duck ist nicht der Osterhase' />
<meta name='description' content=Donald Duck ist nicht der Osterhase/>

damit ich nur die zwei META-TAGS description und keywords bekomme mache ich dann so

1	`$pattern2` `=` `'/<meta name=(["\']?)(description\|keywords)\\1\\s+content=(["\']?)(.+?)\\3[ \/>]/i';`

dann habe ich "nur" die zwei Meta-TAGs .... :=)

......... hier der bisher gebastelte Code: http://pastebin.com/KAWcbn8A

EDIT: (das Speichern ist noch nicht dabei, nur eine DEBUG-Ausgabe der $_POST Werte)

Datei: GetMeta1.php

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

<?php 
// --------------------------------------------------------------- 
 
header("Content-Type: text/html; charset=utf-8");
 
error_reporting(E_ALL);
ini_set("display_errors", 1);
 
## $myscript = 'GetMeta1.php'; 
$myscript = $_SERVER['PHP_SELF']; 
 
 
// ------------------------------------------------------------ 
 
print "<br />\n"; 
print "<br /> --- <a href=\"".$myscript."\">HOME</a> (RESET) --- \n"; 
print "<br />\n"; 
 
// ---------------------------------------------------- 
 
if (!empty($_REQUEST['url'])) { 
    $go_url = trim(chop($_REQUEST['url'])); 
    $go_url = str_replace('http://http://','http://',$go_url); 
    if (strpos($go_url,'http://') === FALSE && strpos($go_url,'https://') === FALSE) { $go_url = 'http://'.$go_url; } 
    // ----- to-do: filters and/or escape url string ----- 
}
else { 
    $go_url = 'http://'; 
} 
 
// ---------------------------------------------------- 
 
function pingSite($url) {  
     
    $fp = curl_init($url);
     
    curl_setopt($fp,CURLOPT_TIMEOUT,10);
    curl_setopt($fp,CURLOPT_FAILONERROR,1);
    curl_setopt($fp,CURLOPT_RETURNTRANSFER,0);
    curl_setopt($fp,CURLOPT_NOBODY,1);
 
    curl_exec($fp);
     
    if (curl_errno($fp) != 0) { $status = false; } 
    else { $status = true; } 
     
    curl_close($fp);
     
    return $status;
 
}  
 
// ---------------------------------------------------- 
 
 
$online = pingSite($go_url); 
 
if ( !$online && !empty($go_url) && $go_url != 'http://' ) {
  
print "<br />\n"; 
print "<br /> ........ Die URL <span style=\"margin:8px; padding:4px; background:#DDEEDD;\">".$go_url."</span> ist <strong style=\"color:red;\">nicht</strong> online !!! ... <a href=\"".$myscript."\">zur&uuml;ck</a>\n"; 
print "<br />\n"; 
}
else { 
 
// ------------------------------------------------------------ 
 
if ( !empty($_REQUEST['save']) && !empty($go_url) && $go_url != 'http://' ) { 
 
print "<br />\n"; 
print "<br /> To-Do ........ Speichern \n"; 
print "<br />\n"; 
print "<br /> ###### DEBUG ###### _POST ###### \n"; 
print "<br />\n"; 
print "<br />\n"; 
 
print "<pre style=\"margin:4px; padding:4px; background:#DEDEDE; text-align:left;\">\n"; 
print_r($_POST); 
print "</pre>\n"; 
 
print "<br />\n"; 
print "<br />\n"; 
print "<br />\n"; 
 
}
else { 
// ------------------------------------------------------------ 
 
$formular1 = '
<form name="form1" method="post" action="">
  <br /> URL: <input type="text" name="url" size="48" maxlength="180" value="'.$go_url.'" />
  <br /> 
  <br /> RUN: <input type="submit" name="meta" value="Get MetaTags" /> &nbsp;&nbsp; INFO: <span id="minfo" style="margin:12px; padding:4px; background:#DDEEDD;">Bitte eine URL eingeben.</span>
  <br /> 
  <br /> Titel: <input type="text" name="title" size="48" maxlength="90" />
  <br />
  <br /> Beschreibung: 
  <br /> <textarea name="description" cols="48" rows="4" wrap="VIRTUAL"></textarea>
  <br />
  <br /> Keywords: 
  <br /> <textarea name="keywords" cols="48" rows="4" wrap="VIRTUAL"></textarea>
  <br />
  <br /> OK:  <input type="submit" name="save" value="Speichern" />
  <br />
</form>
'; 
 
 
// ---------------------------------------------------- 
 
print "<br />\n"; 
print "<br />\n"; 
 
print $formular1; 
 
print "<br />\n"; 
print "<br />\n"; 
 
}
 
 
// ---------------------------------------------------- 
 
 
function str_utf8_encode($str) { 
    if (mb_detect_encoding($str, 'UTF-8', true) === FALSE) { 
    $str = utf8_encode($str); 
    }
    return $str; 
}
 
// ---------------------------------------------------------------- 
// ---------------------------------------------------------------- 
 
function get_meta_description($url) { 
 
$html = ''; 
 
if($fh = @fopen($url,"r")){
    while (!feof($fh)){
        $buffer = fgets($fh, 4096);
        if (strpos($buffer,'/head') !== FALSE) { break; } 
        $html .= $buffer; 
    }
    fclose($fh);
} 
else { 
print "<br />ERROR ... fopen\n"; 
exit; 
}
 
// -------------------------------------------- 
 
$pattern1 = '/<title>(.*)<\/title>/iU';
preg_match_all ($pattern1, $html, $matches_title);
 
## print "<pre>\n"; 
## print_r($matches_title);
## print "</pre>\n"; 
 
// -------------------------------------------- 
 
$pattern2 = '/<meta name=(["\']?)(description|keywords)\\1\\s+content=(["\']?)(.+?)\\3[ \/>]/i';
preg_match_all ($pattern2, $html, $matches_meta, PREG_SET_ORDER);
 
## print "<pre>\n"; 
## print_r($matches_meta);
## print "</pre>\n"; 
 
// -------------------------------------------- 
 
$matchdata = array(); 
 
$matchdata['title'] = (isset($matches_title[1][0])) ? str_utf8_encode($matches_title[1][0]) : '';
 
foreach($matches_meta as $matchitem) {  
    $mkey = strtolower($matchitem[2]); 
    $matchdata[$mkey] = (isset($matchitem[4])) ? str_utf8_encode($matchitem[4]) : '';
}
 
// -------------------------------------------- 
 
return $matchdata;
 
 
}
 
// ---------------------------------------------------------------- 
// ---------------------------------------------------------------- 
 
 
// ---------------------------------------------------- 
if ( !empty($_REQUEST['meta']) ) { 
 
 
// --------------------------------- 
if ( !empty($go_url) && $go_url != 'http://' ) { 
 
$data = get_meta_description($go_url); 
 
 
 
print "<p>###### DEBUG ######</p>\n"; 
print "<br />URL: ".$go_url."\n"; 
print "<br />\n"; 
 
print "<pre style=\"margin:4px; padding:4px; background:#DEDEDE; text-align:left;\">\n"; 
print_r($data); 
print "</pre>\n"; 
 
print "<br />\n"; 
print "<br />\n"; 
 
 
$jscode = ''; 
 
$jscode .= '
<script type="text/javascript">
'; 
 
$jscode .= '
document.form1.title.value = "'.$data['title'].'"; 
document.form1.description.value = "'.$data['description'].'"; 
document.form1.keywords.value = "'.$data['keywords'].'"; 
'; 
 
$jscode .= '
document.getElementById("minfo").innerHTML = "OK ... MetaTags wurden gelesen.";
'; 
 
$jscode .= '
</script>
'; 
 
 
print $jscode; 
 
 
}
else { 
// --------------------------------- 
 
print '
<script type="text/javascript">
document.getElementById("minfo").innerHTML = "Kannst Du nicht Lesen? ... zuerst eine URL eintragen !!!";
</script>
'; 
 
}
// --------------------------------- 
 
}
// ---------------------------------------------------- 
 
}
// ------------------------------------------------------------ 
 
?>

INFO: das Speichern ist noch nicht dabei, nur eine DEBUG-Ausgabe der $_POST Werte
nach dem Klick auf Speichern-Button ... To-Do ... URL + Meta-TAGs Daten Speichern (in MySQL)

und .... jetzt würde ich das ganze gerne noch ohne Browser-Reload hinbekommen,
also per Ajax im Hintergrund die Meta-Tags auslesen und mit JS in Formular schreiben
... ein kleiner Teil (mit JS in Formular schreiben ) ist ja schon dabei ... :) ...

Beitrag zuletzt geändert: 6.3.2013 19:33:31 von webfav

Diskutiere mit und stelle Fragen: Jetzt kostenlos anmelden!

lima-city: Gratis werbefreier Webspace für deine eigene Homepage

Dir gefällt dieses Thema?

Über lima-city

lima-city bietet dir kostenlosen und werbefreien Speicherplatz für Deine Homepage. Sofort anmelden und direkt loslegen mit Webspace, PHP, Datenbanken, günstigen Domains und einer tollen Community!

kostenloser Webspace werbefrei: lima-city