Hente ut bilder fra tekst, og plassere dem i array

[remi sture]

Til dette er jo SimpleXML genial da?

[grimjoey]

Sikkert. Har ikke hørt om det. Jeg ville skrevet funksjonen kun for å lære. Har ikke noe bruk for den.

[remi sture]

Oki. Sikkert veldig fornuftig det. :-)

[grimjoey]

BTW: her er koden som til slutt funket til alle som vil snatche den.

Klikk for å se/fjerne innholdet nedenfor

<?php

function parseTags($input, $tagName = 'img')
{
$getTagsPattern = '/<'.$tagName.' ([a-z]{2,10}=[\'|"]([a-zA-Z\\/.><:;# 0-9_-]*)[\'|"] *)*\/?>/';
$getSettingsPattern = '/([a-zA-Z]{2,10})=[\'|"]([^"|\']*)[\'|"]/';

preg_match_all($getTagsPattern,$input,$gotTags);

foreach($gotTags[0] as $keyOne => $tags)
{
  preg_match_all($getSettingsPattern,$tags,$gotSettings);

  $settings = $gotSettings[1];
  $values = $gotSettings[2];
  
  foreach($settings as $keyTwo => $setting)
  {
    $imgTagsFoo[$setting] = $values[$keyTwo];
  }

  $imgTags[$keyOne] = $imgTagsFoo;
  unset($imgTagsFoo);
}

return($imgTags);
}

$inputString = 'aslkdfjalskdjf<img src="asda.asd" style="border: 1px solid #000;" alt="asdadasdadadsad" />askd<input type="balla" name="navnballa">alsk<img src="123" alt="as d">asdaskj';

print_r(parseTags($inputString));
print_r(parseTags($inputString,'input'));

?>

 

Edit: Nå generisk! bruk: parseTags(string Inputstring, string Tagnavn); OPPDATERT

Endret 18. april 2007 av grimjoey

[remi sture]

Heisann.

 

Jeg får ikke noe resultat når jeg tester med følgende tag:

<img src="files/Image/profiler/2007/100/andre_dahl_klippet.jpg" border="1" alt="" width="100" height="98" align="left" />

 

Peiling på hvorfor?

[grimjoey]

den skal virke nå. oppdaterte ovenfor. rettet 2 feil.

[stiber]

SimpleXML kan forøvrig brukes til dette også.

PHP

<?php

$string = "<img src="dette er en ikke well formed xml test">";

$xml = simplexml_import_dom(DOMDocument::loadHTML($string));

$result = $xml->xpath('//img');

$images = array();

foreach( $result as $i => $node) {

foreach($node->attributes() as $key => $value) {

$images[$i][$key] = (string)$value;

}

}

var_dump($images);

 

Grunnen til den merkelige måten å oprette simpleXML objektet på, er for å unngå masse feilmeldinger når dokumentet du prøver å laste ikke er helt "well formed", noe som gjelder eksemplet over (og mye annen kode forøvrig).

 

Samtidig kan jeg nevne at de regex setningene som er nevnt vil feile på flere områder.

Her er noen eksempler:

• src='nå skal faktisk " være lovlig' (blanding av ' og " er et problem)
  
• src=|dette virker faktisk| (| er ikke "eller" operator i character classes)
  
• Det er bare mulig med et mellomrom mellom tag navn og atributt, og ikke \s+ som ville være naturlig.
  
• Det er noen flere, men må legge meg nå...
  

For å lese attributt verdi ville jeg gått for noe slik ([\'"])((?>.(?!\\1))*.)\\1

Finn først ut om det er brukt single eller double quote rundt for så å matche alt som ikke er det, før du så kommer til avsluttende quote. På grunn av at back references ikke virker i character classes ( eks [^\\1] ), så "må me juksa litt", og derfor ser det så jæ**a stygt/uforståelig ut.

 

Så fasiten er, bruk DOM og/eller SimpleXML med xpath, det er litt enklere

[grimjoey]

hva med (['"]).*\1 ?

 

altså ([\'"]).*\\1 i php ?

 

takk for infoen forresten.

[Gjest Slettet+142]

 

SimpleXML kan forøvrig brukes til dette også.

PHP

<?php

$string = "<img src="dette er en ikke well formed xml test">";

$xml = simplexml_import_dom(DOMDocument::loadHTML($string));

$result = $xml->xpath('//img');

$images = array();

foreach( $result as $i => $node) {

foreach($node->attributes() as $key => $value) {

$images[$i][$key] = (string)$value;

}

}

var_dump($images);

 

Grunnen til den merkelige måten å oprette simpleXML objektet på, er for å unngå masse feilmeldinger når dokumentet du prøver å laste ikke er helt "well formed", noe som gjelder eksemplet over (og mye annen kode forøvrig).

 

Samtidig kan jeg nevne at de regex setningene som er nevnt vil feile på flere områder.

Her er noen eksempler:

• 
   
  
• src='nå skal faktisk " være lovlig' (blanding av ' og " er et problem)
   
  
• src=|dette virker faktisk| (| er ikke "eller" operator i character classes)
   
  
• Det er bare mulig med et mellomrom mellom tag navn og atributt, og ikke \s+ som ville være naturlig.
   
  
• Det er noen flere, men må legge meg nå...
   
  

For å lese attributt verdi ville jeg gått for noe slik ([\'"])((?>.(?!\\1))*.)\\1

Finn først ut om det er brukt single eller double quote rundt for så å matche alt som ikke er det, før du så kommer til avsluttende quote. På grunn av at back references ikke virker i character classes ( eks [^\\1] ), så "må me juksa litt", og derfor ser det så jæ**a stygt/uforståelig ut.

 

Så fasiten er, bruk DOM og/eller SimpleXML med xpath, det er litt enklere

 

 

8418817[/snapback]

hvordan gjør man dette med linker?

har klart å endre fra //img til //a, men det jeg ikke får til er å få tak i det som er mellom <a...> og </a> =/

 

noen som har en fasit eller guide?

[jeg har sett hos php.net, men.. ja. så jeg spør her..]

[stiber]

PHP

<?php

$xml = simplexml_import_dom(DOMDocument::loadHTML($string));

$result = $xml->xpath('//a');

foreach( $result as $i => $node) {

echo $node;

}

[Gjest Slettet+142]

aii.. det var jo for enkelt til å være sant =/

 

bokstavelig talt:

 

PHP

<?php

$string = "<a href='dette er en ikke well formed xml test'>Test</a><a href='lol.htm'><i><b>Test2</b></i></a>";

 

 

$xml = simplexml_import_dom(DOMDocument::loadHTML($string));

$result = $xml->xpath('//a');

$images = array();

 

foreach( $result as $i => $node) {

 

foreach($node->attributes() as $key => $value) {

$images[$i][$key] = (string)$value;

}

 

$images[$i]["text"] = (string)$node;

 

print_r($images[$i]);

echo '<br>';

}

?>

 

Output:

Array ( [href] => dette er en ikke well formed xml test [text] => Test )

Array ( [href] => lol.htm [text] => )

 

det som ikke virker er hvis det i mellom <a..> og </a> er noen nye elementer. som i eksempelet over, <a...><i*><b*>tekst</*b></*i></a>

Endret 26. april 2007 av Slettet+142

[stiber]

det som ikke virker er hvis det i mellom <a..> og </a> er noen nye elementer. som i eksempelet over, <a...><i*><b*>tekst</*b></*i></a>

8482112[/snapback]

PHP

<?php

$node->children()->asXML();

[Gjest Slettet+142]

ok. nå har jeg prøvd litt av hvert her. har kommet fram til en liten underlig kode som garantert kan forbedres. men hvordan?

 

Kode:

 

 

$string = "<a href='dette er en ikke well formed xml test'>Test <img alt='hei2' src='bah2.jpg'><img alt='hei' src='bah.jpg'></a><a href='lol.htm'><i><b>Test2</b></i></a>";


$xml = simplexml_import_dom(DOMDocument::loadHTML($string));
$result = $xml->xpath('//a');
$images = array();

foreach( $result as $i => $node) {

foreach($node->attributes() as $key => $value) {
 $images[$i][$key] = (string)$value;
}

//$images[$i]["text"] = (string)$node;
barn($node, $images[$i]["text"]);

print_r($images[$i]);
echo '<br>';
}


function barn($node, &$result, &$times=0){

$times++;

if((string)$node !="")  	$result["node"] .= (string)$node;

if($times!=1) // så slipper jeg at $images[$i]["text"] får tillagt a-attributtene
foreach($node->attributes() as $key => $val){
 $result[$key] .= $val.';;;';
}

foreach($node->children() as $sec){
 barn($sec, $result, $times);
}

}

 

 

 

Output:

 

 

Array ( [href] => dette er en ikke well formed xml test [text] => Array ( [node] => Test [alt] => hei2;;;hei;;; [src] => bah2.jpg;;;bah.jpg;;; ) )

Array ( [href] => lol.htm [text] => Array ( [node] => Test2 ) )

 

 

 

er denne mulig å forbedre i det hele tatt?

Endret 27. april 2007 av Slettet+142