Spider comparadors,

[ArturoA]

Buenas,


estoy desarrollando un spider que rastree una página en html, de momento tengo pensado implementarlo con esto:

Código:

<?php

function LoadCURLPage($url, $agent = 'Mozilla/5.0 (Windows; U; Windows NT 5.0; en-US; rv:1.4)

 Gecko/20030624 Netscape/7.1 (ax)', $cookie = '', $referer = '', $post_fields = '', $return_transfer = 1, $follow_location = 1, $ssl = '', $curlopt_header = 0)

{

$ch = curl_init(); 



curl_setopt($ch, CURLOPT_URL, $url);



if($ssl)

{

curl_setopt($ch, CURLOPT_SSL_VERIFYHOST,  2);

}



curl_setopt ($ch, CURLOPT_HEADER, $curlopt_header);



if($agent)

{

curl_setopt($ch, CURLOPT_USERAGENT, $agent);

}



if($post_fields)

{

curl_setopt($ch, CURLOPT_POST, 1); 

curl_setopt($ch, CURLOPT_POSTFIELDS, $post_fields); 

}



curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); 

curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);



if($referer)

{

curl_setopt($ch, CURLOPT_REFERER, $referer);

}



if($cookie)

{

curl_setopt($ch, CURLOPT_COOKIEFILE, $cookie);

curl_setopt($ch, CURLOPT_COOKIEJAR, $cookie);

}



$result = curl_exec ($ch);



curl_close ($ch);



return $result;

}



function extract_unit($string, $start, $end)

{

$pos = stripos($string, $start);



$str = substr($string, $pos);



$str_two = substr($str, strlen($start));



$second_pos = stripos($str_two, $end);



$str_three = substr($str_two, 0, $second_pos);



$unit = trim($str_three); // remove whitespaces



return $unit;

}

?>

Ahora la duda surge, en que una vez obtengo la página, necesito que compruebe si tal página contiene un código en html, por ejemplo un enlace.




¿Ideas?