Ищу все ссылки на странице

[myorient]

Добрый день, ещё раз!
Написал скриптец-парсер ссылок:

PHP код:

function get_all_links($target) {
    $links = array();
    preg_match('@^(?:http://)?([^/]+)@i', $target, $domain);
    $host = $domain[1];
    $html = file_get_contents($target);
    preg_match_all("/<[Aa][\s]{1}[^>]*[Hh][Rr][Ee][Ff][^=]*=['\"\s]*([^ \"'>\s#]+)[^>]*>/", $html, $matches);
    //preg_match_all("/\s*href\s*=\s*[\"\']{0,1}([^\s\"\']+)[\"\'\s]+/ims",$html,$matches);
    $urls = $matches[1];
    for ($i = 0; $i < count($urls); $i++) {
        if(preg_match("/http:/i", $urls[$i]) or preg_match("/https:/i", $urls[$i])) {
            $raw = preg_replace('/^([^?]+)(\?.*?)?(#.*)?$/', '$1$3', $urls[$i]);
            array_push($links, $raw);
            $links = array_unique($links);
        } else {
            $raw = preg_replace('/^([^?]+)(\?.*?)?(#.*)?$/', '$1$3', $urls[$i]);
            array_push($links, "http://".$host.$raw);
            $links = array_unique($links);    
        }            
    }
    return $links;
} 


Так вот, с "нормальных" сайтов, всё ОК, а как дело доходит до сайта педивикия (ru.wikipedia.org) так тут запарка. А всё дело в том, что на педивикии иногда ссылки бывают вида:

href="//ru.wikipedia.org/w/index.php

то есть две слеши перед ссылкой
Соответственно, мой скрипт парсит их как:

http://ru.wikipedia.org//ru.wikipedia.org/w/index.php

Что делать?

[myorient]

Всё. Аффтар сам догадался:

PHP код:

function get_all_links($target) {
    $links = array();
    preg_match('@^(?:http://)?([^/]+)@i', $target, $domain);
    $host = $domain[1];
    $html = file_get_contents($target);
    preg_match_all("/<[Aa][\s]{1}[^>]*[Hh][Rr][Ee][Ff][^=]*=['\"\s]*([^ \"'>\s#]+)[^>]*>/", $html, $matches);
    $urls = $matches[1];
    for ($i = 0; $i < count($urls); $i++) {
        if(preg_match("/http:/i", $urls[$i]) or preg_match("/https:/i", $urls[$i])) {
            $raw = preg_replace('/^([^?]+)(\?.*?)?(#.*)?$/', '$1$3', $urls[$i]);
            array_push($links, $raw);
            $links = array_unique($links);
        } else {
            $raw = preg_replace('/^([^?]+)(\?.*?)?(#.*)?$/', '$1$3', $urls[$i]);
            if($urls[$i][0]=="/" and $urls[$i][1]=="/") {
                $raw = substr($raw, 2);
                array_push($links, "http://".$raw);
                $links = array_unique($links);    
            } else {
                array_push($links, "http://".$host.$raw);
                $links = array_unique($links);
            }
            
        }            
    }
    return $links;
} 


[myorient]

Сообщение от Каа

Автор, завидую вам черной завистью. Я в регулярках дуб дубом. Может, подскажете хороший справочник?

Вам Гугл в помощь Я только так и учусь...

[Johnatan]

В шестой строке явно не хватает модификатора i