Форум Регулярные Выражения

Хочу написать функцию, берущую все ссылки из директории Yahoo-
вот код:
function get_yahoo_links($html){
$href='/<li>\s*<a\s*href=\S+(www\S*)\/>\s*(.*)\s*<\/a>\s*\r*\n*\s*-\s*(.*)\s*<\/li>/';
preg_match_all ($href, $html, $matches);
$result = array();
for ($k=0; $k< count($matches[0]); $k++){
$var[title] = $matches[2][$k];
$var[link] = $matches[1][$k];
$var[desc] = $matches[3][$k];
$result[] = $var;
}
return $result;
}

Почему то ничего не получается....
В чем может быть причина?
Заранее спасибо!

Укажите страницу с которой извелкаете ссылки?

Вот страница
http://dir.yahoo.com/Government/Web_Directories/
пишем такой код
<?
$html = file_get_contents("http://dir.yahoo.com/Government/Web_Directories/");
$href='/<li>\s*<a\s*href=\S+(www\S*)\/>\s*(.*)\s*<\/a>\s*\r*\n*\s*-\s*(.*)\s*<\/li>/';
preg_match_all ($href, $html, $matches);
$result = array();
for ($k=0; $k< count($matches[0]); $k++){
$var[title] = $matches[2][$k];
echo $var[title];
$var[link] = $matches[1][$k];
$var[desc] = $matches[3][$k];
$result[] = $var;
}

//return $result;
?>

что-то ничего не выдает.....

Вот из этого блока

<li><a href=http://rds.yahoo.com/S=139797:D1/CS=139797/SS=94958545/SIG=10q4onb4r/*http%3A//www.rulers.org/>Rulers</a>  <img width=23 height=9 alt="[pick]" border="0" src=http://us.i1.yimg.com/us.yimg.com/i/pk/d_pick.gif><font face="Arial" size="-2"> [<a href="http://picks.yahoo.com/picks/i/20020605.html">read review</a>]</font>  <a href=http://rds.yahoo.com/S=139797:D1/CS=139797/SS=94958545/SIG=10q4onb4r/*http%3A//www.rulers.org/ target=_blank><img src="http://us.i1.yimg.com/us.yimg.com/i/us/sch/bn/nw2.gif" height=11 width=11 border=0 alt="Open this result in new window"></a> <br /> Features a list of rulers and heads of states for all countries dating back to 1700.<br /> <font color="green">www.rulers.org</font> </li>

вас какая ссылка интересует? Последняя?

интересует перечень ссылок на странице-ссылка, название, описание.

Из указанного выше блока какой текст и ссылки нужны?

Ссылка - http://www.rulers.org
название - Rulers
описание - Features a list of rulers and heads of states for all countries dating back to 1700.
Как разложить...?

Можно поступить следующим образом

<?php   $text = file_get_contents("http://dir.yahoo.com/Government/Web_Directories/");   $pattern = "|<li>[^>]+>(.*)</a>.*</a>(.*)<font[^>]+>([^<]+)</font>[\s]*</li>|isU";   preg_match_all($pattern, $text, $out);   unset($out[0]);   echo "<pre>";   print_r($out);   echo "</pre>"; ?>

Спасибо!

Тут возникла проблемка....
Все хорошо работает -только в описаниях ссылок лишние теги....
Вот такие -как их убрать в каждом из описаний?
пример описания-
<a href=http://www.cutecats.com/ target=_blank></a>
<br />
Photo galleries and tidbits of kitty information where users can post their favorite cat albums.<br />

Как убрать все теги - кроме текста?
То есть нужно убрать
<a href=http://www.cutecats.com/ target=_blank></a>
<br />

и в конце <br />

разобрался...

Но скрипт парсинга Яхо перестал работать...Видимо-они что-то изменили в выдаче.
Выдает и перемешивает сами ссылки и названия....То есть берет 1-м элементом массива - одно название, а описание из элемента -другого....
Очень нужно поправить код для Яхи....

если у кого есть скрипт - выбирающий ссылки с названиями и описаниями из Яхи, или других каталогов зарубежных -помогите очень нужно!
Для всех-кроме dmoz...
Не работает вышеприведенный скрипт...

Приведите ссылку на страницу, где происходит сбой.

Вот
http://dir.yahoo.com/Government/Web_Directories/

ссылка есть, жду Вашего совета...

Последнее выражение у меня выдало текст

<pre>Array (     [1] => Array         (             [0] => <b>Politics@</b>             [1] => Rulers             [2] => Governments on the WWW             [3] => World World             [4] => AdmiNet: World Governments             [5] => Administracions a la Internet         )     [2] => Array         (             [0] =>  &nbsp;&nbsp;&nbsp;&nbsp;(<a href=http://us.rd.yahoo.com/dir/catpg/help/*http://help.yahoo.com/help/us/dir/basics/basics-21.html>What's This?</a>)</small></span><div class=cnt>Sites <b>1 - 10</b> of <b>10</b></div> </td></tr> <tr valign=top><td colspan=2><hr noshade></td></tr> <tr><td height=1><spacer type="block" width="1" height="1"></td></tr> <tr><td><div class=st><ul> <li><a href=http://www.munisource.org/>Munisource.org</a> <br /> Search for cities, towns, and municipal web sites world wide. Includes links to education, associations, and other resources.<br />             [1] => ]</font> <br /> Features a list of rulers and heads of states for all countries dating back to 1700.<br />             [2] =>  <br /> Provides brief descriptions of, and links to, parliaments around the world. From the Inter-Parliamentary Union.<br />             [3] =>  <br /> Comprehensive list of both United States and world councils of government, regional commissions, metropolitan planning organizations, regional governments, and agencies.<br />             [4] =>  <br /> Offers a brief overview of the various forms of government seen throughout the world in the past and present.<br />             [5] =>  <br /> Directory of federal, state, local, and tribal government web sites.<br />         )     [3] => Array         (             [0] => www.munisource.org             [1] => www.rulers.org             [2] => www.ipu.org/parline-e/parlinesearch.asp             [3] => www.abag.ca.gov/abag/other_gov/rcg.html             [4] => www.political-court.com             [5] => www.govbrowser.com         ) ) </pre>

Какую ссылку вы хотите исключить?

На странице 10 ссылок -а выдается в массиве только 5....
И потом смотрите-
Вот для одной ссылки все 3 значения из масивов-Название, описание, ссылка...
[2] => Governments on the WWW
[2] => <br />
Provides brief descriptions of, and links to, parliaments around the world. From the Inter-Parliamentary Union.<br />
[2] => www.ipu.org/parline-e/parlinesearch.asp

А на самом деле на странице мы видим
2-я ссылка
Governments on the WWW - название
Comprehensive database of governmental institutions and political parties that have web sites.-описание
www.gksoft.com/govt - это URL
Описание и URL в результате работы скрипта взяты из нижележащей ссылки-

PARLINE Database
Provides brief descriptions of, and links to, parliaments around the world. From the Inter-Parliamentary Union.
www.ipu.org/parline-e/parlinesearch.asp

И так во многих местах все перепутано. Посмотрите пожалуйста -надо сравнить оригинал страницы и то-что выводит скрипт.

Делаю

<? $text=file_get_contents("http://dir.yahoo.com/Government/Web_Directories/"); $ptn="#<li><a.*?>([^<]+)<\/a>\s*<br />(.*?)<br />\s*<font color=\"green\">(.*?)<\/font>\s*<\/li>#is"; preg_match_all($ptn,$text,$out); print_r($out); ?>

Получаю

[1] => Array         (             [0] => Munisource.org             [1] => Governments on the WWW             [2] => PARLINE Database             [3] => World World             [4] => Regional Councils of Government             [5] => AdmiNet: World Governments             [6] => Political Court             [7] => Administracions a la Internet             [8] => GovBrowser.com         )     [2] => Array         (             [0] =>  Search for cities, towns, and municipal web sites world wide. Includes links to education, associations, and other resources.             [1] =>  Comprehensive database of governmental institutions and political parties that have web sites.             [2] =>  Provides brief descriptions of, and links to, parliaments around the world. From the Inter-Parliamentary Union.             [3] =>  An icon-based index of relevant links to world governments, world news and hundreds of information wells worldwide.             [4] =>  Comprehensive list of both United States and world councils of government, regional commissions, metropolitan planning organizations, regional governments, and agencies.             [5] =>  Includes links to official sites and other resources for world governments.             [6] =>  Offers a brief overview of the various forms of government seen throughout the world in the past and present.             [7] =>  Links to government Web sites worldwide with an emphasis on Catalan and Spanish sites.             [8] =>  Directory of federal, state, local, and tribal government web sites.         )     [3] => Array         (             [0] => www.munisource.org             [1] => www.gksoft.com/govt             [2] => www.ipu.org/parline-e/parlinesearch.asp             [3] => www.worldworld.com             [4] => www.abag.ca.gov/abag/other_gov/rcg.html             [5] => www.adminet.com/world/gov             [6] => www.political-court.com             [7] => www.blues.uab.es/mgp/governs             [8] => www.govbrowser.com         )

оно или нет?

Да -сейчас верно...
ОНО!
Спасибо большое!