есть переменная $per в ней находится содержимое страницы хтмл , нужно отбросить все ссылки , и все кроме текста , а текст записать в переменную $per1 !!! подскажите пожалуйста как это сделать ???
  

!  PARROT

Уважаемый, box! Выбирайте правильнее раздел форума! Для регулярных выражений у нас существует целый раздел: Тексты

  


Это сообщение отредактировал(а) PARROT - 27.3.2007, 21:24

box, немного не понял, как нужно сделать... поподробнее, пожалуйста.

"отбросить" только ссылки? отбросить все теги? сам-то знаешь, чего хочешь?
strip_tags, может быть, тебе поможет. но я не понял, чего тебе надобно.

Ну короче , я с помощью функции сокет получаю страницу с сервера , так вот мне нужно отбросив все ссылки , текстовые или же ввиде банеров , и оставить только чмстый текст... короче говоря выбросить все кроме текста !!!

"короче говоря", html-страница - это не только "ссылки текстовые,и с баннеров". это ещё куча других всяких тегов, которые уж никак не тянут на "только текст". с ними ЧТО делать?!

[mielophone_on]Подозреваю, что речь идет о выделении со страницы контентной области (без навигации, рекламы и т.п.) с последующим её grabежом. На PHPClub'е такие вопросы всегда вызывают как минимум настороженность - как правило, для любых легальных целей есть более прямые решения. Но в конце концов, на практически каждом уважающем себя ресурсе должна быть минималистичная версия для печати или что-то подобное...[/mielophone_off]

объясняю для SelenIT, в моих действиях нет ничего противозаконного , а даже если бы и было ! так что ? да и как может настораживать действия направленые на извлечение информации доступной к всеобщему пользованию !!!
ps. а получить мне надо текст описания программ , для этого я и пишу грабер , потому-что в ручном режиме у меня это все займет как минимум 2 месяца ! текст , только текст , и болььше ничего мне надо !!!

Рульная логика  Я б с такой уже давно миллиардером был 


Есть в цивилизованном общ-ве такая занудная вещь, как авторские и смежные права. Кто может поручиться, что Вы или я не начнем выдавать "награбленные" тексты за собственные? А это уже называется "кражей контента"...


Анализируйте коды страниц (на первых порах - вручную), смотрите, что общего у их контентных частей (хорошо, если все они будут, скажем, в <td id="content">). Регвырами отрезаете все, что до этого места (включительно), потом ищете закрывающий тег и отрезаете все за ним (тоже включительно). Затем убиваете скрипты, если они почему-то остались в контентной области (регвырами же) и, наконец, делаете strip_tags.

Но: все это более-менее надежно, если HTML строго валиден (все теги корректно закрыты и т.д.). Если уверенности в этом нет, следует прогнать текст через tidy, а то будет каша и до и после обработки. А после этого с ним удобнее работать как с XML, имхо. И еще удобнее, если этот XML изначально в готовом виде отдает поставщик контента по предварительной взаимной договоренности... ;)

box, вся проблема в том, что вы не можите просто вырезать все теги, ибо вместе с такими тегами, как <a></a> вырежутся такие теги как <b></b>, <span></span>, а это приведет к частичной или даже полной потере информации...
Вот, что я имею ввиду:



А вот тут есть готовый пример как это сделать:
Конвертор HTML в текст

GZep, упомянутый мною strip_tags принимает опциональный параметр - массив-список тегов, которые вырезать не надо   

skyboy, спасибо, не знал, что она так умеет!