Um aus einer Webseite alle Links zu extrahieren gibt es schon so einige Lösungen im Netz. Die meisten basieren auf einigen simplen regulären Ausdrücken. Da ich für ein aktuelles Projekt eine Möglichkeit brauchte um zusätzlich zu den Links auch alle Attribute, wie “title”, “rel”, “target” … etc. zu erhalten, habe ich dazu eine Klasse geschrieben.

Linkfetcher benötigt zwingend PHP 5 mit diversen Erweiterungen wie domobject, xpath, mb string … und liefert alle gefunden Links als array of stdClass mit den folgenden Attributen:

Attribute
‘rel’, ‘accesskey’, ‘charset’, ‘coords’, ‘href’, ‘hreflang’, ‘name’, ‘rev’, ’shape’, ‘tabindex’

Events
‘onblur’, ‘onfocus’, ‘onclick’, ‘ondblclick’, ‘onmousedown’, ‘onmouseup’, ‘onmouseover’, ‘onmousemove’, ‘onmouseout’, ‘onkeypress’, ‘onkeydown’, ‘onkeyup’

Universalattribute:
‘id’, ‘class’, ’style’, ‘title’

Sprachattribute:
‘dir’, ‘lang’

Nicht gefundene Attribute werden als “” leerer String zurückgegeben. Die Class-Properties nennen sich genau wie die Attribute in der HTML-Spezifikation. Einzig der Linktext wird in “text” abgelegt und kann über $link->text abgerufen werden.

Die folgenden Methoden sind implementiert:

GetLinks( $url ); extrahiert aus der angegebenen Url sämtliche Links inklusive aller Attribute.

GetLink( $link, $exact ); überprüft, ob $link beim letzen Aufruf von GetLinks(…) gefunden wurde. Der optionale Parameter exact legt fest, ob der Link genau übereinstimmen muss oder ob es reicht, wenn ein Link gleich beginnt.

Beispiel #1:
Der Codeschnipsel holt sämtliche Links von www.google.de und gibt sie inklusive aller Attribute aus.

include_once( 'linkfetcher.class.php' );
 
$Linkfetcher = new Linkfetcher();
 
$Linkfetcher->GetLinks( 'http://www.google.de' );
 
var_dump( $Linkfetcher->links );

Beispiel #2:
In diesem Beispiel werden wieder alle Links von www.google.de extrahiert. Anschliessend wird überprüft, ob der Link “http://images.google.de” in der Ergebnismenge enthalten ist. Da $exact auf false gesetzt wurde, genügt es, wenn ein Link mit “http://images.google.de” beginnt.
Bei Erfolg wird der gefundene Link als stdClass Object zurückgeliefert. False sonst.

include_once( 'linkfetcher.class.php' );
 
$Linkfetcher = new Linkfetcher();
 
$Linkfetcher->GetLinks( 'http://www.google.de' );
 
var_dump( $Linkfetcher->GetLink( 'http://images.google.de', false ) );

Beispiel #3:
Hole alle Links von www.google.de mit nur den Attributen href, rel und title

include_once( 'linkfetcher.class.php' );
 
$Linkfetcher = new Linkfetcher( 
 array( 'attributes' => array( 'href', 'rel', 'title' ) )
);
 
$Linkfetcher->GetLinks( 'http://www.google.de' );
 
var_dump( $Linkfetcher->links );

Update: Ein kleiner Fehler in einem regulären Ausdruck wurde beseitigt.

Download v1.1