הייתי צריך לאיזה משהו פוקנציה להוצאת כל הקישורים בעמוד, פנימיים וחיצוניים,
וזה מה שיצא...

אם יש לכם שיפורים אשמח לראות,
הפונקציה מקבלת כתובת של קובץ (מקומי או חיצוני= http://www.domain.com/folder/myfile.asp) ומחזירה מערך עם שני תתי מערכים (ins ו outs; קישורים פנימיים וחיצוניים בהתאמה) שבכל אחד מהם רשימת מערכים (במידה ויש) של קישורים, בכל מערך יש תא text שזה מה שנקרא מבעצם ה href text, שיכול להיות גם תמונה וגם פיסקה שלמה, ו- href שזה הקישור עצמו (מה שקיים בתוך ה- href), במידה והקישור הוא פנימי (יש בדיקה מסויימת), ה-href בתוך מערך ה ins הוא רק המיקום היחסי שלו, ללא כתובת מלאה (ללא ה- http://www.mydomain.com/).
הפונקציה מנסה להימנע מכל מיני קישורי סרק כגון javascript:void() וכו'

הפונקציה:

קוד PHP:

 function getLinks ($file) {
    $ur=parse_url($file);            #parsh the URL
    $data=file_get_contents($file);    #get the file from the server
    $regex="/<a.*href=[\"']?([^\"' >]+)[\"' >](.*)<\/a>/imsU";
    preg_match_all($regex,$data,$matches,PREG_SET_ORDE  R);
    $_ins=array(); $_outs=array();
    $_ins[]=trim($ur['path'],"/");
    foreach ($matches as $match) {
        $purl=parse_url($match[1]);
        if ((    #check if it is an inner link
                ($purl['host']    == $ur['host'] and $purl['scheme'] == 'http')
            or    (!$purl['host'] and !$purl['scheme']))        #check if has host (for when href is: 'javascript' then scheme is 'javascript' and no host set)
            and    !in_array(trim($purl['path'],"/"),$_ins)    #check if not in our array, we don't need duplicated addresses
            ) {
            $ins[]=array('text'=>$match[2],'href'=>trim($purl['path'],"/"));
            $_ins[]=trim($purl['path'],"/");
            continue;
        } elseif (
                $purl['host'] != $ur['host']    #check that it is actually an outgoing link
            and    !in_array(ltrim($match[1],"/"),$_outs) #check if not in our array to avoid duplicated links
            and    $purl['scheme'] == "http"         #get only the http links
            ) {
            echo "Putting in outs.\n";
            $outs[]=array('text'=>$match[2],'href'=>ltrim($match[1],"/"));
            $_outs[]=ltrim($match[1],"/");
            continue;
        }
    }
    return array('outs'=>$outs,'ins'=>$ins);
} 


דומגה לפלט של הפונקציה על http://www.google.co.il :

קוד:

Array
(
    [outs] => Array
        (
            [0] => Array
                (
                    [text] => >קבוצות
                    [href] => http://groups.google.co.il/grphp?hl=iw&ie=UTF-8&tab=wg
                )

            [1] => Array
                (
                    [text] => >חדשות<sup><span	style="text-decoration:none;"><font	color=red	size="-2">חדש!</font></span></sup>
                    [href] => http://news.google.co.il/nwshp?hl=iw&ie=UTF-8&tab=wn
                )

        )

    [ins] => Array
        (
            [0] => Array
                (
                    [text] => >תמונות
                    [href] => imghp
                )

            [1] => Array
                (
                    [text] => חיפוש מתקדם
                    [href] => advanced_search
                )

            [2] => Array
                (
                    [text] => העדפות
                    [href] => preferences
                )

            [3] => Array
                (
                    [text] => כלי  שפה
                    [href] => language_tools
                )

            [4] => Array
                (
                    [text] => >תכנית פרסום
                    [href] => intl/iw/ads
                )

            [5] => Array
                (
                    [text] => הכל על Google
                    [href] => intl/iw/about.html
                )

            [6] => Array
                (
                    [text] => דרושים
                    [href] => intl/iw/jobs/index.html
                )

            [7] => Array
                (
                    [text] => Google.com in English
                    [href] => ncr
                )

        )

)

תהנו...

“The man of wisdom is never in two minds about right and wrong;
the man of benevolence never worries about the future;
the man of courage is never afraid.”
~ Confucius

אחלה דבר... רק מה אפשר לעשות עם זה?

אבל אתה לא מטפל בהורדת שורה

בשורה:

קוד PHP:

 $regex="/<a.*href=[\"']?([^\"' >]+)[\"' >](.*)<\/a>/imsU"; 


יש את ההגדרות לפונקציה: imsU, וה- m אומר לפונקציה לקבל גם ירידות שורה.

“The man of wisdom is never in two minds about right and wrong;
the man of benevolence never worries about the future;
the man of courage is never afraid.”
~ Confucius

לא שמתי לב....קורה=)

אם הבנתי נכון, קישורים פנימיים הם קישורים שיש לה את אותו הpath - חיצוניים הם שונים ממנו?

לא בדיוק,
הפונקציה בודקת אם לקישור יש בעצם כתובת מלאה (http:// וכו') ואם כן, אז משווה את הדומיין (ה- host בעצם בתוך המערך ש- parse_url מחזירה),
ז"א אם יש קישור לסאב דומיין, הקישור יחשב כקישור חיצוני, אבל אם הקישור מפנה לתת תיקיה או תיקיה אחת מעל, הקישור יחשב כקישור פנימי.

“The man of wisdom is never in two minds about right and wrong;
the man of benevolence never worries about the future;
the man of courage is never afraid.”
~ Confucius

ווי זה מזכיר לי את ימיי הPERL שלי ...אחחח

אחלה דבר, ואפשר להעזר בזה :]