Форум Регулярные Выражения

есть куча страниц с огромным количеством кода в каждой. в коде попадаются такие фрагменты:

<TD valign='top'><img src='../images/dot_transpa.gif' width=14 height = 14 hspace = 2 border = 0'>     <a href='mail_form.asp?email=2kappa@pel.forthnet.gr&id=35904'  target='_blank'>     <img src='../images/icon_email.gif' hspace = 2 border = 0  alt='email'></a> <a href='http://www.2kappa.gr'   target='_blank'><img src='../images/icon_url.gif' hspace = 2 border = 0 alt ='url'></a>     <a href='vcard.asp?id=35904'  target='_blank'><img src='../images/icon_vcard.gif' hspace = 2 border = 0></a>     <a href=../guide/313211.asp?id=35904&return=2111.asp#financial><img src='../images/icon_euro.gif' hspace = 2 border = 0></a>     </TD>     <TD bgcolor='#FFFFFF'  valign='top' width='230'  class='maintext2'><a href=../guide/313211.asp?id=35904&return=2111.asp><strong>2 КАППА Е.П.Е.</strong></a></TD>

я вытянула из них e-mail, id и название фирмы. а вот url никак не получается. т.е. можно вытянуть
все url из текста, это получается, но мне нужна привязка к конкретному id. мне никак не придумать,
как, зная id (или имя фирмы, сначала я его вытаскиваю, потом id, потом по id нахожу e-mail), найти
url? дело в том, что ссылка на e-mail (картинка ../images/icon_email.gif) может отсутствовать, ссылка
после url (картинка ../images/icon_euro.gif) тоже необязательна... обязательна ссылка на имени фирмы,
в которой упоминается id: <a href=../guide/313211.asp?id=35904&return=2111.asp>. есть идеи?

PS все это чудо потом у меня сохраняется в виде текста, разбитого | на поля с целью дальнейшего использования его в Excel и MySQL.

PPS можно было бы выбрать всю строку (хихихи, мастера - ставят align=left в строке!), начиная с
<TR ALIGN=LEFT> до </TR>, если бы эти грамотеи начинали бы так каждую строку! а то у них один
раз строка открыта (с позиционированием! чего, интересно?) и все, потом только закрывающие
тэги идут... бред какой-то

Можно вот так попробовать:

<? $text = "<a href='mail_form.asp?email=2kappa@pel.forthnet.gr&id=35904'  target='_blank'>       <a href='http://www.2kappa.gr'   target='_blank'>     <a href='vcard.asp?id=35904'  target='_blank'>     <a href=../guide/313211.asp?id=35904&return=2111.asp#financial>     <a href=../guide/313211.asp?id=35904&return=2111.asp>"; $id = '35904'; preg_match_all("#<a href=['\"]?([^\s>]+id=".$id."[^\s>'\"]*)#is", $text, $regs); unset($regs[0]); echo '<pre>'; print_r($regs); ?>

Так вырежутся все ссылки, где встречается нужный id, а какую именно из них нужно выбрать я так и не понял :)

в том-то и дело, что мне нужна ссылка, единственная без GET-параметров - только такие ссылки ведут на сайты фирм. и только такие ссылки не имеют никаких больше зацепок, позволяющих понять, к какому id они относятся. нахождение в той же строке таблицы (т.е. между <tr></tr>) могло бы дать такой результат, но ... открывающего тэга <tr> нам не дали :( вообще удивляюсь, как браузер эту таблицу нарисовал? может, пройтись сначала по коду и заменить все </tr><td> на </tr><tr><td>? тогда хоть будет кусок логичного кода... завтра попробую.

А можно взглянуть на эту страничку?

вот это чудо. первый фрагмент - с 30-й по 50 строку. но переводы строк я сама поставила,
там весь код в одну строку был. зато нашла, чем разделяются фрагменты - есть строка:

<tr><td colspan='8'  bgcolor='#E2E0D3' ><img src='dot_transpa.gif' width='6' height='1'></td></tr>

можно по этой строке разделить текст на фрагменты, получится 100. и искать инфу в каждом,
уже имея его номер. сейчас буду пробовать

>> можно по этой строке разделить текст на фрагменты
Не дочитал до конца сообщение, полез сразу страничку смотреть (мое любимое занятие - граббить все подряд :) )
Тоже самое хотел Вам предложить - тут, наверное, лучше варианта не придумать. Потому что, как я понял, урлы имеются не у каждой фирмы, поэтому может возникнуть путаница ...

все! я сделала! сграбила весь контент, не только url'ы и mail'ы...
нехорошо, конечно, а что делать? мне без контента работать не с чем, а сочинять свой шеф не в состоянии...

если нужно - выложу скрипт.