[SOLVED] Парсинг ссылок сайта из переменной которые не уводят с этого же сайта

[ТРОН]

Добрый день,
Будьте добры, есть вопрос который не могу решить сам.
Шаблон берет из переменной {-Variable.SiteLink-} сайт, потом переходит на этот сайт, парсит ссылки этой регуляркой {-Variable.SiteLink-}.*?(?=\ )
Задача была следующей, чтоб парсились ссылки которые не уводят с сайта. По итогу ссылки парсятся, но в основном какой то шлак, одни несуществующие страницы. И в связи с этим весь процесс парсинга становится бессмысленным.
Может я что то не так делаю? Хотя скорее всего так и есть)) Как должна выглядеть регулярка или каким образом можно получить ссылки с сайта, чтоб эти ссылки были нормальными?

 

[Sergodjan]

Добрый день,
Будьте добры, есть вопрос который не могу решить сам.
Шаблон берет из переменной {-Variable.SiteLink-} сайт, потом переходит на этот сайт, парсит ссылки этой регуляркой {-Variable.SiteLink-}.*?(?=\ )
Задача была следующей, чтоб парсились ссылки которые не уводят с сайта. По итогу ссылки парсятся, но в основном какой то шлак, одни несуществующие страницы. И в связи с этим весь процесс парсинга становится бессмысленным.
Может я что то не так делаю? Хотя скорее всего так и есть)) Как должна выглядеть регулярка или каким образом можно получить ссылки с сайта, чтоб эти ссылки были нормальными?

попробуйте применить к переменной которая в регулярке Обработка текста - Escape строки..
брать все ссылки в список и из него вычищать ссылки на css, картинки и скрипты, в результате останутся именно страницы сайта..

 

[ТРОН]

Спасибо, т.е. после таких манипуляций, ссылок как на примере ниже не будет?
http://www.androidauthority.com/umi-plus-international-giveaway-3-phones-718113/">&nbsp;</a><div
Каким образом вычищать? что писать туда надо?

 

[Sergodjan]

Спасибо, т.е. после таких манипуляций, ссылок как на примере ниже не будет?
http://www.androidauthority.com/umi-plus-international-giveaway-3-phones-718113/">&nbsp;</a><div
Каким образом вычищать? что писать туда надо?

нужно улучшить регулярку, чтобы таких html-хвостов не было..
отбрасывать ссылки ведущие на css, картинки и js тоже регуляркой, можно составной, через конструкцию такого вида например (..)|(..)|(..)

 

[ТРОН]

нужно улучшить регулярку, чтобы таких html-хвостов не было..
отбрасывать ссылки ведущие на css, картинки и js тоже регуляркой, можно составной, через конструкцию такого вида например (..)|(..)|(..)

Спасибо за помощь, такое возможно сделать не имея вообще никаких знаний? В какую сторону копать? Я вообще ничего не понял(( Пятый день как использую зенку

 

[Sergodjan]

Спасибо за помощь, такое возможно сделать не имея вообще никаких знаний? В какую сторону копать? Я вообще ничего не понял(( Пятый день как использую зенку

в первую очередь копать в сторону регулярных выражений, они постоянно нужны в практивке с зенкой..
оч. помогает в этом встроенный конструктор рег-выражений - можно экспериментировать..
+ мне помогает вот эта шпаргалка: https://dl.dropboxusercontent.com/u/65395173/регулярки.jpg

 

[ТРОН]

в первую очередь копать в сторону регулярных выражений, они постоянно нужны в практивке с зенкой..
оч. помогает в этом встроенный конструктор рег-выражений - можно экспериментировать..
+ мне помогает вот эта шпаргалка: https://dl.dropboxusercontent.com/u/65395173/регулярки.jpg

Благодарю!

 

[AZANIR]

{-Variable.SiteForSpam-}+([\w\-\.,@?^=%&amp;:/~\+#]*[\w\-\@?^=%&amp;/~\+#])?