Evitar utilizar loop recursivo

[portalmana]

Código PHP:

<?php
error_reporting(E_ALL | E_STRICT);
set_time_limit(0);
 
$server_link = mysql_connect("localhost", "root", "");
if(!$server_link) {
    die("Fall&oacute; la Conexi&oacute;n ". mysql_error()); 
}
 
$db_selected = mysql_select_db("buscadorfulltext", $server_link);
if(!$db_selected) {
    die("No se pudo seleccionar la Base de Datos ". mysql_error()); 
}
 
 
function storeLink($titulo,$descripcion,$url,$keywords, $prof)
{
    $query = "INSERT INTO spider (webTitulo, webDescripcion, weburl, webkeywords, prof) VALUES ('$titulo', '$descripcion', '$url', '$keywords', $prof)";
    mysql_query($query) or die('Error, falló la inserción de datos');
}
 
 
 
function extraer($url, $prof, $patron)
{
    $userAgent = 'Interredu';
 
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_USERAGENT, $userAgent);
    curl_setopt($ch, CURLOPT_URL,$url);
    curl_setopt($ch, CURLOPT_HTTPHEADER, array(("Accept-Language: es-es,en")));
    curl_setopt($ch, CURLOPT_FAILONERROR, true);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
    curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, FALSE);
    curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, FALSE);
    curl_setopt($ch, CURLOPT_MAXREDIRS, 2);
    curl_setopt($ch, CURLOPT_AUTOREFERER, true);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER,true);
    $html= curl_exec($ch);
    // La salvo de Entrada, para que no se me corra en la entrada a la base de datos
    saveUrl($url, $prof,$patron, $html);
  
    // Mando error pero no corto porque si una url esta mal formada termina con la 
    // ejecucion
    if (!$html) {
        echo "<br />cURL error number:" .curl_errno($ch);
        echo "<br />cURL error:" . curl_error($ch);
    }  
    
    $dom = new DOMDocument();
    $dom->loadHTML($html);
 
    $xpath = new DOMXPath($dom);
    $hrefs = $xpath->evaluate("/html/body//a");
 
    for ($i = 0; $i < $hrefs->length; $i++) {
        $href = $hrefs->item($i);
        $url2 = $href->getAttribute('href');
    
        $var = strstr($url2, '#', true);
        if ($var !== false ) {
            $url2 = $var;
        }
        // Me aseguro que este bajo nuestro sitio.
        if (strpos($url2, $patron) === false) {
            continue;
        }
        
        // Me aseguro que ya no este ingresada, para no iterar sobre ella misam
        if ($url2 != $url && $url2 != '') {
            // Se podria agregar un campo timestap para luego reescanera paginas
            // que tuvieran una fecha menor.
            // URL Unica para que falle y como es mysql poner INSERT INTO ...... ON DUPLICATE KEY ... en la funcion de guardado
            $busqueda = mysql_query("SELECT weburl FROM spider WHERE weburl='$url2'");
            $cantidad = mysql_num_rows($busqueda);
            if ($prof <= 5 && $cantidad == 0) {
                extraer($url2, $prof++, $patron);  
            }
        }
    } 
}
 
 
function saveUrl($url, $prof, $patron, $html)
{
    $retorno = false;
    $pos      = strpos($url, $patron);
 
    if( $prof >= 1) {
        preg_match_all ("(<title>(.*)<\/title>)siU", $html, $title);
        preg_match_all ("(<meta name=\"description\" content=\"(.*)\"\/>)siU", $html, $description);
        preg_match_all ("(<meta name=\"keywords\" content=\"(.*)\"\/>)siU", $html, $keys);
        $titulo = $title[1][0];
        $descripcion = $description[1][0];
        $keywords = $keys[1][0];
        storeLink($titulo,$descripcion,$url,$keywords, $prof);
        $retorno = true;
        echo 'Guardada pagina : ' . $url . ' con profundidad ' . $prof . '<br>' . "\n\r"; 
    }
    return $retorno;
}
 
 
$url = "http://objetivophp.com";
$patron = "http://objetivophp.com";
$prof = 5;
 
libxml_use_internal_errors(true);
extraer($url, 1, $patron);
$errores = libxml_get_errors();
libxml_clear_errors();