[PHP]przeszukiwanie strony Opcje

[Cromwell]

Potrzebuję dwóch rzeczy.

Pierwsza to funkcje, dzięki którym będę mógł znaleźć określone elementy na stronie, znajdujące się w odpowiednich blokach.
Na przykład w kodzie źródłowym większej strony mamy kilka razy powtórzone

Kod

<h3>cos tam</h3>
<a href=link>cos tam</a>

Zależy mi na wyłuskaniu tych linków, przy czym tylko tych, które są po znaczniku nagłówka (a sam nagłówek może się pojawić kilka razy na stronie i zawsze pod nim są linki).
Próbowałem znaleźć coś w manualu, szukałem w funkcjach preg_*, jednak na nic nie trafiłem.


Druga rzecz - chcę, aby po wyłuskaniu danego linku, skrypt wszedł na stronę w nim podaną i znalazł tam kolejne dane. Myślałem nad tym, aby pobierać dane strony i zapisywać je w tablicy, jednak nie wydaje mi się to ładnym rozwiązaniem.
Można prosić o naprowadzenie?

Ten post edytował Cromwell 21.09.2009, 17:45:18

[Wicepsik]

Wyrażenia regularne

[Suh]

Ad. 1. preg_match + wyrażenia regularne (jak napisał kolega wyżej).
Ad. 2. file_get_contents i jako argument podajesz stronę, której zawartość chcesz pobrać, a dalej to tak jak w ad. 1.

Pozdrawiam

[Cromwell]

Dobrze, teraz mam taki kod

[PHP] pobierz, plaintext 
<form action="qq.php" method='get'>
<input type='text' name='search' />
<input type='submit' value='szukaj' />
</form>
 
<?
$search = $_GET['search']; // slowo pobrane z formularz
 
if (!$search)
echo 'podaj slowo';
else { 
$link = file_get_contents("http://www.google.pl/search?q=$search");
preg_match('/href="(.*)" class/', $link, $match);
echo "$match";
}
?>
[PHP] pobierz, plaintext 

Jednak zwraca mi pustą tablicę, zupełnie bez wyników. Podejrzewam, że coś źle ustawiłem z wyrażeniami regularnymi, jednak nie wiem co..

[Suh]

Spróbuj takie coś.
Zamień swój preg_match na to :

[PHP] pobierz, plaintext 
preg_match_all('|href="(.{0,100})" class=l|U', $link, $match, PREG_SET_ORDER);
[PHP] pobierz, plaintext 

PS. Dałem tam ograniczenie do 100 znaków. U mnie wszystkie poprawne linki zbierało, a bez tego ograniczenia dużo syfu było.

Edit.
Oczywiście wyświetl sobie wynik var_dump($match);

Ten post edytował Suh 22.09.2009, 22:18:26

[Cromwell]

guzik. Nadal nie działa, wyświetla pustą tablicę. Zmieniłem tak jak powiedziałeś na

[PHP] pobierz, plaintext 
else { 
$link = file_get_contents("http://www.google.pl/search?q=$search");
preg_match_all('|href="(.{0,100})" class=l|U', $link, $match, PREG_SET_ORDER);
var_dump($match);
}
[PHP] pobierz, plaintext 

jednak zamiast tablicy z linkami dostaję tylko array(0) { }

Ten post edytował Cromwell 23.09.2009, 10:00:15

[Suh]

No to ciekawe, bo skopiowałem to co powyżej wkleiłeś i u mnie działa.
Spróbuj dać hasło do wyszukiwania na sztywno, zobacz co się wyświetli jak dasz echo $link;
Popróbuj - gdyby mi to nie działało to bym Ci nie odpisał.

[Cromwell]

Sam nie wiem. Wydaje się, że wszystko w porządku. Kod aktualnie wygląda tak

[PHP] pobierz, plaintext 
<form action="qq.php" method='get'>
<input type='text' name='search' />
<input type='submit' value='szukaj' />
</form>
 
<?
$search = $_GET['search']; // slowo pobrane z formularza
 
if (!$search)
echo 'podaj slowo';
else { 
$link = file_get_contents("http://www.google.pl/search?q=$search");
preg_match_all('|href="(.{0,100})" class=l|U', $link, $match, PREG_SET_ORDER);
var_dump($match);
}
?>
[PHP] pobierz, plaintext 

I cały czas dostaję array(0).
Sprawdzałem na dwóch serwerach, efekt ten sam.
Co ciekawe - jeśli po linijce ze zmienną $link dam echo "$link", to dostanę w odpowiedzi stronę 403 google.
Jeśli zamiast linku google podam jakąś inną stronę, wtedy listuje mi linki.
Dodatkowo, jeśli w firefoxie wpiszę w formularzu np 'test', to zamiast przeładowania się strony, przenosi mnie na stronę hxxp://today-newday.cn/in.cgi?6&parameter=newday . Która jest blokowana przez google. W operze nic takiego się nie dzieje, przeładowuje normalnie.


Okazało się, że serwer jest prawdopodobnie banowany w google i dlatego nie ma wyników.
Prawdopodobnie, gdyby nie to, znacznie szybciej doszedłbym do rozwiązania problemu. Cóż, bywa..

Ten post edytował Cromwell 23.09.2009, 20:58:48