sacar el dominio principal del un link largo

[humanista]

Hola, tengo un texto del tipo:

Estoy preguntando en www.forosdelweb.com sobre una duda que tengo, bla bla bla

El tema es que necesito aislar el link www.forosdelweb.com (sin es con http:// antes mucho mejor. O lo que es lo mismo, sacar sólo el link del texto y meterlo en una variable. Cuando digo el link no me refiero <a hre=....>www.forosdelweb.com</a> sino sólo http: / / w w w . forosdelweb . com

Intuyo que debo usar expresiones regulares pero no sé cómo

[andresdzphp]

Hola, me imagino que el enlace está entre sus etiquetas html. Podrías hacer esto en el caso de querer sacar varios enlaces:

Código PHP:

$str = 'Estoy preguntando en <a href="www.forosdelweb.com">Enlace</a> sobre una duda que tengo, bla bla bla';
preg_match_all('/<a\shref=\"([^\"]*)\">(.*)<\/a>/siU', $str, $m);
print_r($m);
 

O simplemente usar preg_match si quieres sacar el primer enlace que encuentre. En el array $m está todo lo que encuentren esas funciones.

Código PHP:

$str = 'Estoy preguntando en <a href="www.forosdelweb.com" target=_blank>Enlace</a> sobre una duda que tengo, bla bla bla';
preg_match('/<a\s[^>]*href=\"([^\"]*)\"[^>]*>(.*)<\/a>/siU', $str, $m);
echo 'http://' . $m[1];
// Resultado: http://www.forosdelweb.com
 

En el caso de que la etiqueta a tenga más atributos cambias la expresión por esta:

Código PHP:

'/<a\s[^>]*href=\"([^\"]*)\"[^>]*>(.*)<\/a>/siU'
 

Si quieres aprender expresiones regulares te recomiendo este aporte:

http://www.forosdelweb.com/f18/aporte-expresiones-pcre-646110/

Saludos

[Ronruby]

Una anotacion a lo que andresdzphp te mostro:

Yo reemplazaria:
/<a\shref=\"([^\"]*)\">(.*)<\/a>/siU
Por esto:
/<a\shref=\"([^\"]*)\">(.*?)<\/a>/siU

Para que no haga greedy matching.
En caso de que tuvieras 2 links, sin el ? tomaria todo el texto desde el primer enlance hasta el final del segundo.

[vitro012]

Hola a todos

Espero haber entendido bien
¿Quieres obtener el enlace de este String?
Estoy preguntando en www.forosdelweb.com sobre una duda que tengo,


Podrias usar la función explode:

Código PHP:

  $string='Estoy preguntando en www.forosdelweb.com sobre una duda que tengo';
 
$arreglo1=explode("www.",$string);
$arreglo1[0]='Estoy preguntando en' ;
echo $arreglo1[1]='forosdelweb.com sobre una duda que tengo';
 
//Ahora puedes hacer algo similar con el primer espacio
$arreglo2=explode(" ",$arreglo1[1]);
 
echo $arreglo2[0]='forosdelweb.com';
$arreglo2[1]='sobre una duda que tengo';
 
//Direccion Web:
echo $web='www.'.$arreglo2[0]; 
   

No sé si es lo que buscas, de ser así espero te ayude.

[andresdzphp]

Bueno en el caso de que no tengan etiquetas HTML también te puede servir esto:

Código PHP:

$string = 'Estoy preguntando en www.forosdelweb.com sobre una duda que tengo'; 
$res = preg_match('/www\.([^\s]*)/i', $string, $link);
echo $link[0];
 

[humanista]

Iniciado por andresdzphp

Bueno en el caso de que no tengan etiquetas HTML también te puede servir esto:

Código PHP:

$string = 'Estoy preguntando en www.forosdelweb.com sobre una duda que tengo'; 
$res = preg_match('/www\.([^\s]*)/i', $string, $link);
echo $link[0];
 

Estupendo andresdzphp!, me va bien, la solución última que me diste es la que me sirve. Lo único, estaría bien que a parte de que coja los links:

w w w . google . e s

también coja:

h t t p : / / w w w . google . e s

y

h t t p : / / google . e s

graciasss

[andresdzphp]

Eso sería así:

Código PHP:

$string = 'Estoy preguntando en www.forosdelweb.com sobre una duda que tengo'; 
$res = preg_match('@(www\.|http://)([^\s]*)@i', $string, $link);
echo $link[0];
 
//Cogería www.forosdelweb.com http://forosdelweb.com y http://www.forosdelweb.com
 

[humanista]

gracias andresdzphp me funcionó muy bien pero ahora tengo otro problema, para links de youtube no me va, imagino que es porque no acaban en .com .es ...

se podría solucionar? gracias

[humanista]

Hola, tengo una duda, si tengo un link tal y como este:

http://www.forosdelweb.com/profile.php?do=buddylist

cómo hago para meter en una variable sólo el w w w . f o r o s d e l w e b . c o m

?

[andresdzphp]

Código PHP:

$str = 'http://www.forosdelweb.com/profile.php?do=buddylist';
preg_match('@(www\.|http://)([^\s|/]*)@i', $str, $m);
echo $m[0];
 

Sólo había que agregarle 2 caracteres más si no te sirve el http:// quita esto |http://

[humanista]

gracias andresdzphp pero necesitaría un retoque. en ocasiones hay links sin www, por ejemplo:

miweb.wordpress.com/2011/06/30/blablabla/

y en este caso no las coge

[masterpuppet]

Que tal humanista,

Podrias utilizar parse_url.

Saludos.

[andresdzphp]

Prueba así a ver:

Código PHP:

$str = 'Este es mi url miweb.wordpress.com/2011/06/30/blablabla/ y blablabla.';
preg_match('@(www\.|http://|([^\s]*\.[^\s]))([^\s|/]*)@i', $str, $m);
echo $m[0]; //Resultado: miweb.wordpress.com
 

[humanista]

siento dar tanta guerra pero ahora sí q me coge bien pero me aparece el http:// delante. el tema es que quitándolo de la expresión regular no me lo hace desaparecer ¿?

[emprear]

Decididamente, como señalo @masterpuppet me inclinaría por
http://es.php.net/manual/en/function.parse-url.php , en particular, lee las notas y fijate la 2ª , una función creada por gustavo andriuolo

Esa es infalible

Saludos

[andresdzphp]

Con la expresión regular que detecte las URL en la cadena más el comentario de @emprear se puede lograr sacar el dominio correctamente.

Código PHP:

function esip($ip_addr) {
    //first of all the format of the ip address is matched 
    if (preg_match("/^(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})$/", 
    $ip_addr)) {
        //now all the intger values are separated 
        $parts = explode(".", $ip_addr);
        //now we need to check each part can range from 0-255 
        foreach ($parts as $ip_parts) {
            if (intval($ip_parts) > 255 || intval($ip_parts) < 0)
                return FALSE; //if number is not within range of 0-255 
        }
        return TRUE;
    } else
        return FALSE; //if format of ip address doesn't matches 
}
 
function domain($domainb) {
    $bits = explode('/', $domainb);
    if ($bits[0] == 'http:' || $bits[0] == 'https:') {
        $domainb = $bits[2];
    } else {
        $domainb = $bits[0];
    }
    unset($bits);
    $bits = explode('.', $domainb);
    $idz = count($bits);
    $idz -= 3;
    if (strlen($bits[($idz + 2)]) == 2) {
        $url = $bits[$idz] . '.' . $bits[($idz + 1)] . '.' . $bits[($idz + 2)];
    } else if (strlen($bits[($idz + 2)]) == 0) {
        $url = $bits[($idz)] . '.' . $bits[($idz + 1)];
    } else {
        $url = $bits[($idz + 1)] . '.' . $bits[($idz + 2)];
    }
    return $url;
}
 
$cadena = 'Este es mi url http://lavidaesbella.site.com y blablabla.';
preg_match('@(www\.|http://|([^\s]*\.[^\s]))([^\s|/]*)@i', $cadena, $m);
 
$address = $m[0];
$parsed_url = parse_url($address);
$check = @esip($parsed_url['host']);
$host = @$parsed_url['host'];
if ($check == FALSE) {
    if ($host != "") {
        $host = domain($host);
    } else {
        $host = domain($address);
    }
}
echo $host;
 

[emprear]

@andresdzphp. me quedé pensando, si lo que se quiere es sólo averiguar el dominio, en que fallaría esto

Código PHP:

<?php
// Ejemplo 1
$url  = "http://192.43.200.23";
$dominio = explode("/", $url);
echo $dominio[2] . "<hr>"; 
 
// Ejemplo 2
$url  = "http:// www.webamiga.com/index.php?id=15#noticias";
$dominio = explode("/", $url);
echo $dominio[2] . "<hr>"; 
 
// Ejemplo 3
$url  = "http://www.javierhernandez.info/2010/09/03/formularios-con-jquery-y-php/";
$dominio = explode("/", $url);
echo $dominio[2] . "<hr>"; 
 
// Ejemplo 4
$url  = "http://www.forosdelweb.com/f4/validar-html-css-todo-sitio-vez-938140/#post3965377";
$dominio = explode("/", $url);
echo $dominio[2] . "<hr>"; 
 
?>
 

no es un poco más sencilla, a lo sumo agrgarle lo de
if (preg_match("/^(\d{1,3})\.(\d{1,3})\.(\d{1,3})\.(\d{1,3})$/",
por si queremos descartar ips

Saludos

[andresdzphp]

@emprear es que venimos de un tema atras, donde todo empezó porque quería sacar una URL de una cadena:

Código PHP:

$cadena = 'Este es mi url misitio.site.com/word/google/etc/index.php y blablabla.';
 

Y @humanista quiere que le detecte URLS por ejemplo:

www.google.com
ejemplo.dominio.com
http://www.google.com
http://lacasa.net
misitio.site.com/word/google/etc/index.php

etc... que detecte la URL de la cadena y luego si sacar el dominio.

Coloco la URL del tema anterior para que todos podamos ayudar:

http://www.forosdelweb.com/f18/sacar-link-texto-937590/

Aunque viendolo de tu forma, si no tiene nisiquiera signos / en la cadena no habría problema, hay que mirar eso. Y la forma que derecte una url como subdominio.dominio.com

[marcofbb]

La mejor manera es como dijeron antes con parse_url

http://es.php.net/manual/en/function.parse-url.php

<?php
$url = 'http:// www.webamiga.com/index.php?id=15#noticias';

print_r(parse_url($url));
?>

[emprear]

A buena hora me entero.
Igual , me surge una duda, y si la cadena es

"esta es mi url http://xxx.com/miweb, y http://zzz.com/amigo es la web de mi amigo"

Que pasa?
Y se me ocurren expresiones más complicadas.

Saludos y gracias por la aclaración

[andresdzphp]

Iniciado por marcofbb

La mejor manera es como dijeron antes con parse_url

http://es.php.net/manual/en/function.parse-url.php

<?php
$url = 'http:// www.webamiga.com/index.php?id=15#noticias';

print_r(parse_url($url));
?>

No sirve la función sola por lo que ya expliqué anteriormente:

Código PHP:

<?php
$url = 'Esta es la url de mi sitio blablanla sitio.webamiga.com y mas texto que pueda haber';
 
print_r(parse_url($url));
?>
 

En ese caso no saca webamiga.com que es lo que necesita @humanista

Si fuera una simple URL no habría problema:

Código PHP:

<?php
$url = 'http://www.forosdelweb.com/profile.php?do=buddylist';
echo parse_url($url, PHP_URL_HOST);
?>
 

Iniciado por humanista

gracias andresdzphp pero necesitaría un retoque. en ocasiones hay links sin www, por ejemplo:

miweb.wordpress.com/2011/06/30/blablabla/

y en este caso no las coge

En el caso que pide @humanista la función sola nada puede lograr.

@emprear según todos los ejemplos que me da @humanista sólo tiene una sola URL la cadena.

[masterpuppet]

Es que estamos partiendo de bases diferentes, para mi la idea era obtener el host a partir de una url conocida, donde dice que es a partir de un string que puede o no tener una url ?, esta claro que la sugerencia de parse_url es teniendo en mente el primer caso, para el segundo caso, habria que tener en cuenta el rfc correspondiente a la hora de generar la regex.

En fin, con lo expuesto, seguro humanista lo puede resolver.

Saludos.

[andresdzphp]

Totalmente de acuerdo @masterpuppet, sólo hace falta una buena expresión regular que saque la URL de la cadena, porque tiene muchos requerimientos y yo no pude con todos. Cuando empiezan con www http:// muy fácil. Pero que hacer cuando la URL es por ejemplo:

miweb.wordpress.com/2011/06/30/blablabla/

Confunde un poco el tema de esa URL y yo estoy apenas en pañales con expresiones regulares, aunque me defiendo un poco.

En todo caso ya se le dejó toda la información y ayudé a humanista lo más que pude.

Saludos.

Edit: Esto llevo hasta el momento y funciona, pero no le he hecho todas las pruebas. Si alguien quiere aportar algo para mejorar bienvenido sea.

Código PHP:

<?php
 
function sacarURL($str) {
    if (preg_match('@(www\.|http://)[^\s|/]*|[a-z0-9]{3,}\.[a-z0-9]{3,}\.[a-z]{2,}@i', $str, $m)) {
        /*Usada función de gustavo dot andriuolo 
        http://php.net/manual/es/function.parse-url.php*/
        $bits = explode('/', $m[0]);
        if ($bits[0] == 'http:' || $bits[0] == 'https:') {
            $domainb = $bits[2];
        } else {
            $domainb = $bits[0];
        }
        unset($bits);
        $bits = explode('.', $domainb);
        $idz = count($bits);
        $idz -= 3;
        if (strlen($bits[($idz + 2)]) == 2) {
            $url = $bits[$idz] . '.' . $bits[($idz + 1)] . '.' .
             $bits[($idz + 2)];
        } else if (strlen($bits[($idz + 2)]) == 0) {
            $url = $bits[($idz)] . '.' . $bits[($idz + 1)];
        } else {
            $url = $bits[($idz + 1)] . '.' . $bits[($idz + 2)];
        }
        
        return $url;
    
    } else {
        return false;
    }
}
 
$cadena = "texto blablabla y texto miweb.wordpress.com/2011/06/30/blablabla/ y mas texto";
echo sacarURL($cadena); //Resultado wordpress.com
 

[humanista]

al final he hecho un simple str_replace para eliminar el http:// porque la última función sacarURL no me acaba de ir bien pero se agradece

[hataz]

Creo que éste código te podria valer, he probado con el htttp y sin el, y funciona, aunque realmente no se si es lo que buscabas.

Código PHP:

<?php
$urlcompleta= "miweb.wordpress.com/2011/06/30/blablabla/";
if((strpos($urlcompleta, "http://", $offset = null)) !=0 )
{
    $marcado= strpos($urlcompleta, "/", $offset = null);
    $url=substr($urlcompleta, 0 , $marcado);
    echo $urlcompleta."</br>";
    echo $url;
}
else 
{
    $url= str_replace("http://","", $urlcompleta);
    $pos=strpos($url, "/", $offset = null);
    $url2=substr($url, 0, $pos);
    echo $urlcompleta."</br>";
    echo $url2;
}
?>
 

[marcofbb]

Vos lo que tenes que hacer es detectar la url, completa con expreciones regulares y despues con parse_url obtener lo demas :)

¿Que es lo que siempre tiene una url?

http:// y .com, .com.ar, .tk o el dominio que sea