Форум Регулярные Выражения

Привет! Граблю страничку, по максимальному всё обрезал, оставил только текст. Но на самом деле то это текст во всевозможных тегах. Каким образом при граблении внутри скрипта сразу превратить отграбленный текст в чистый текст :) Сохранить переходы, так как там данные в таблице.
Заранее спасибо, надеюсь объяснил правильно и понятно.

Отфильтруйте ненужные теги с помощью регулярных выражений, а можно на текст отграбленный посмотреть?

mefestotel, конечно можно.

<table cellspacing=0 cellpadding=0> <tr><td valign=top>1</td><td><b><a href="/inform.html?id=36"><img src="1.gif" width=16 height=16 border=0 align=absmiddle>Текст 1</a></b></td></tr> <tr><td valign=top>2</td><td><a href="/inform.html?id=37">Текст 2</a></td></tr> <tr><td valign=top>3</td><td><a href="/inform.html?id=38">Текст 3</a></td></tr> <tr><td valign=top>4</td><td><b><a href="/inform.html?id=39"><img src="1.gif" width=16 height=16 border=0 align=absmiddle>Текст 4</a></b></td></tr> </table>

Проблема ещё в том, что где-то есть картинка, а где-то её нет. Подгадать, бкдет ли картинка или нет невозможно. Количество пунктов в таблице тоже каждый раз разное.. Вот..

И какие теги надо удалить, что-то я не понял, чего надо добиться, вырвать текст и отправить в БД?
или разметку таблицы оставить, а убрать <a href=""></a> <b></b>?

P.S. Дайте адрес страницы которую грабите......

Вы правильно поняли, нужно просто выбрать текст и записать в бд.
Создавая тему, удмал есть какая-либо функция отделить текст от всего остального, а данный вопрос уже идёт в регулярку..
Поэтому нужен пример регулярки, с которой я всё мучаюсь и не могу разобраться...

p.s. Данная таблица - это уже отграбленный код - поэтому страница не поможет, но если поможет, то вот страница которую граблю - тв программа на маил ру :)

Вот здесь снизу мне уже помогли, чтобы отфарматировать текстовый список:
http://www.softtime.ru/forum/read.php?id_forum=6&id_theme=37578&page=1
поэтому проблема только в том, чтобы отделить текст от тэгов.

Повторю еще раз, дайте мне ссылку на страницу которую Вы грабите, именно ссылку...

http://tv.mail.ru/?date=2007-05-23&gosetup=1&period=3&channel=1

Вот Ваш код:

<? function GetInfo($url) { $content = file_get_contents($url); set_time_limit(600); $pattern = "|<td valign=top class=time>([^<]+)</td>[\s]*<td>[\s]*<a href=\"([^\"]+)\">([^<]+)</a>[\s]*</td>[\s]*|is"; preg_match_all($pattern, $content, $out); //print_r($out);   for ($i = 0; $i < count($out[1]); $i++)   {     print $out[1][$i]."<br>";   // время      print $out[2][$i]."<br>";   // ссылка     print $out[3][$i]."<br>";   // название     // код записи в БД   } } $url = "http://tv.mail.ru/?date=2007-05-23&gosetup=1&period=3&channel=1"; GetInfo($url); ?>

Ссылки можете использовать для того чтобы програбить др. страницы

Спасибо, брат! Видел я такой скрипт для другова примера, но не разобрался :) Ща буду вникать, и ещё раз спасибо!

> Видел я такой скрипт для другова примера
Наверное мой...

Не за что, обращайтесь...

да всего ничего, напише движок браузера и всё.. можно даже текстовый ;-)

все что между "<" и ">" заменять на ""

Хм, впринципе идея. Не могли бы более способствующе помочь :)
Ещё же надо сохранить построчность, тоесть чтобы записи были как и в таблице, столбиком.. а не сплошным тестом..

html таблицы в своей структуре имеют все необходимые данные, для того, чтобы их перевести в текст с разделителями\массив\etc...

поэтому забываем про медленный preg_match_all и:

// перевод html таблицы в текст с разделителями // итоговый текст содержит : // разделитель строк - символ переноса (\n)  // разделитель ячеек - симов "|" function htmltable_to_array ($string) {     $temp_data=preg_match("|<table(.*?)<\/table>|is", $string,$out);  // проверяю, таблица ли это     if ($temp_data==1) {     $string=str_replace("|","/",$string);               // заменяю символ разделителя      $string=str_replace("\r"," ",$string);              // убираю символы переноса раз     $string=str_replace("\n"," ",$string);              // убираю символы переноса два     $string=preg_replace("/( |\t)+/"," ",$string);      // сжимаю пробелы и табуляцию      $string=str_replace("</tr>","\n",$string);          // делаю разделитель строк     $string=str_replace("</td>","|",$string);           // делаю разделитель ячеек       $string=preg_replace ("@</?[^>]*>*@", "", $string); // убиваю все теги     $string=preg_replace("/(\n)+/","\n",$string);       // убиваю пустые строки     $string=preg_replace("/\|\n/","\n",$string);        // убиваю пустые ячейки в конце     return $string;     }     else return false; }

результат -
1|Текст 1
2|Текст 2
3|Текст 3
4|Текст 4

единственный скользкий момент - замена разделителя "|" на "/". (если символ "|" встречается в тексте - таблица поплывет)
если символ "|" внутри текста критичен - нужно брать другой идентификатор разделителя ячеек