Ссылки

[Kirk]

Добрый день! Ребята, перепробовав множество вариантов и не добившись нужного результата я просто вынужден снова обратиться сюда, к Вам за советом...

 

Есть документ, он очень большой и нужно из него удалить всё кроме ссылок которые начинаются с http.

 

Перепробовал много расширений для браузера которые копируют все ссылки из исходного кода в буфер, но там на столько много информации что когда я вставляю то вставляется undefined, а если документ в разумном размере то они отлично все работают.

 

Нужно либо удалить всё и оставить только ссылки или как-то скопировать все ссылки в буфер.

 

Спасибо за внимание!

[Николя223]

с фантазией подходите 
 

document.querySelectorAll("a[href^='http'][href$='html']")

если хотите на php - есть simplexml,DOM,phpQery и т д

каков размер файла то?

пока отлагает

в этом плане notepad++ красавчик. он с такими объемами быстро работает.... тогда как более профессиональные виснут и куда меньших объемах 

[vano1208]

Полагаю, такое делается регулярными выражениями:

/^(https?:\/\/)?([\w\.]+)\.([a-z]{2,6}\.?)(\/[\w\.]*)*\/?$/ig

Edited August 1, 2015 by vano1208

[Kirk]

Да да, я вот уже нашёл нужный скрипт который отлично работает, может кому понадобится... Прошу прощение за беспокойство!

<?php  /* $html - некий html-код некой страницы, \n - это переход на новую строку (верстальщики иногда это делают) */  $html = "Текст <a href='page1.html'>ссылка</a> и снова <a hREF \n =\"page2.html\" title=''>ссылка</a> конец";  /* Вызываем функцию, которая все совпадения помещает в массив $matches */  preg_match_all("/<[Aa][\s]{1}[^>]*[Hh][Rr][Ee][Ff][^=]*=[ '\"\s]*([^ \"'>\s#]+)[^>]*>/", $html, $matches);  $urls = $matches[1]; // Берём то место, где сама ссылка (благодаря группирующим скобкам в регулярном выражении)  /* Выводим все ссылки */  for ($i = 0; $i < count($urls); $i++)    echo $urls[$i]."<br />";?>

Edited August 1, 2015 by Kirk

[Kirk]

Жесть, скрипт то рабочий, только вот документ получился на 3 миллиона строк из-за того что туда попали и просто пути с одними слэшами и такое дело править очень трудно - очень долго приходится ждать времени после определённой операции, пока отлагает. В общем, я думаю что мой редактор пока я буду спать сам себе деинсталирует когда-нибудь. 

 

Может кто помочь с регулярным выражением? Чтобы брались только ссылки которые начинаются на http и заканчиваются на html.

 

Спасибо за внимание!

[Kirk]

Николай, в смысле с фантазией подхожу, сарказм?

 

Размер текстового файла больше гигабайта.

 

Вот в notepad++ как раз работает кое как, но всё равно лагает, другие редакторы сразу входят в ступор.

 

Я PHP не очень хорошо знаю и по этому с simplexml, DOM и phpQery я думаю долго буду разбираться, в любом случаи Вам спасибо за то что уделили мне время!

 

Просьба с регулярным выражением всё ещё актуальна, нужно на PHP.

 

В очередной раз спасибо за внимание!

Edited August 2, 2015 by Kirk

[Николя223]

Размер текстового файла больше гигабайта.

c  этого и нужно было начинать))
вы целый гигабайт в браузер вставляли как я понял? а на части его разбить?  
phpQuery - это просто. то же самое jQuery

[Kirk]

Николай, да я что только уже не сделал, с помощью многочисленных операций я кое как разгрёб это дело и добился нужного результата. Спасибо Вам и Vano1208 за то что оказались неравнодушны по отношению ко мне!

Edited August 2, 2015 by Kirk