Форум Регулярные Выражения

Возникла такая проблема... есть куча файлов хтмл и нужно их обработать на поиск ссылки rss в каждом файле...
В каждом файлике есть ссылка типа

<link rel="alternate" href="http://site.net/rss/index.xml" type="application/rss+xml" title="Title1" />

Вот какое регулярное выражение построить на то чтобы вытащить от сюда http://site.net/rss/index.xml ???
также эта ссылка может выглядеть так

<link rel='alternate' type='application/rss+xml' title='Title1' href='http://site.net/rss/index.xml'>

тоесть все параметры rel, type, title, href могут быть беспорядочно, но одно точно, что

rel='alternate' type='application/rss+xml'

помогите, пожалуйста, ато не могу сообразить ничего (((

Так нормально

preg_match("!<link.*href=[\"|'](.+?)[\"|'|\s]!i", $text, $out);

!

:)
думаю вариантов два

искать link в которых значение атрибута href заканчмвается расширением xml
чем-то таким

'#<link\b[^>]*?\shref=[\'"]?([^\s>\'"]+)(?<=\.xml)[^>]*>#i'

или т.к. не всегда расширение .xml и часто ещё с гет параметрами
искать link'и в которых type='application/rss+xml', и потом анализировать на присутствие rel='...' , если нужно
и извлекать значение href.

искать можно попробовать примерно таким выражением

'#<link\b[^>]*?\stype=["\']?application/rss+xml["\']?[^>]*>#i'

спасиб, первое вродь подходит, но вот что...
вобшем получается так: нужно найти элемент который находиться в href=[\"|'](.+?)[\"|'|\s] но учитывая то что есть ещё и type=["\']?application/rss+xml["\'] (которое в свою очередь может быть и перед href и после href или вобше после title, которое после href стоит и т.п.)...
такое возможно?

и еще чем отличаються границы регулярного выражения "!" "/" "#" "|" "%"? ато в примерах я вижу разное

Возможно, только замедлит и усложнит выражение
с использованием условных подмасок (?(1)......)
"href" , будет всегда в $2

<? $h = '\s+href=[\'"]?([^\s>\'"]+)'; $t= '\s+type=["\']?application/rss\+xml'; $n = '(?:(?!\s+(?:href|type)=)[^>])*'; $pattern = '~<link' . "$n($t)?(?(1)$n)$h(?(1)|$n$t)" . '[^>]*>~i' ; preg_match_all($pattern, $txt, $txt); print_r($txt);

или прямым перебором

<? $pattern = '~<link' . "$n(?:$h$n$t|$t$n$h)" . '[^>]*>~i' ;

здесь "href" может быть и в $1 и в $2

В предыдущем посте незаэкранировал в шаблоне + там где application/rss+xml

> чем отличаються границы
В php ничем , ограничители выражения лучше выбирать так,
что-бы по возможности не приходилось экранировать такие-же символы внутри шаблона

нашел вроде, помогите разобрать все по полочкам, ато не силен особо в регулярных выражениях

$str1 = '<link rel="alternate" href="http://site.net/rss/index.xml" type="application/rss+xml" title="Title1" />';

if (preg_match_all('#<link[^>]+type=\s*(?:"|)application/rss\+xml[^>]*>#is', $str1, $matches)) {   // extract url from each declaration   foreach ($matches[0] as $raw) {     if (preg_match('#href=\s*(?:"|)([^"\s>]+)#i', $raw, $url)) {       echo $url[1].'<br>';     }   }  }

(?:"|) - что это такое??? не могу понять
потом зачем рег.выр заканчиваэться "is" в первом а "і" во втором?
[^"\s>] - что это означает и зачем тут символ > ???


to xx77: спасиба!!! но не реально разобрать )))) тяжол для меня

(?:"|) - незахватывающая подмаска ,в которой альтернатива " или ничего
такой-же смысл как "?

[^"\s>]+ - один или более не пробельных и не > символов
набор символов в []-скобках называют классом символов, так-же как \d\D\s\S\w .......

$n = '(?:(?!\s+(?:href|type)=)[^>])*';
в моём шаблоне можно попробовать заменить на
$n = '.*?';

Спасибо! Вродь разобрался!

Посмотрите на вариант с использованием атомарной группировкой, работает быстрее
Имеем :
$str = '<link rel="alternate" href="http://site.net/rss/index.xml" type="application/rss+xml" title="Title1" />
"<link rel=\'alternate\' type=\'application/rss+xml\' title=\'Title1\' href=\'http://site.net/rss/index.xml\'>';
Разруливаем:
preg_match_all('%<link\s+(?>>)*\b(rel\s*=\s*(?:["\']?)[^"\'>]+)(?:.*?)\b(type\s*=\s*(?:["\']?)[^"\'>]+)(?:.*?)>%si', $str, $out); //берем все Ваши варианты