Rinza_IE
[ class tree: Rinza_IE ] [ index: Rinza_IE ] [ all elements ]
Packages:
Rinza_IE

Source for file Scraper.php

Documentation is available at Scraper.php

  1. <?php
  2.  
  3. /**
  4.  * Rinza/IE/Scraper.php
  5.  * 
  6.  * <p>指定したコンテンツ文字列の正規化および正規化した文字列からの特定の情報を<br/>
  7.  * 抽出する手段を提供するクラスを定義しています。</p>
  8.  * @author Y. Kurei
  9.  * @copyright Copyright (c) 2006-2007, Nihon Unisys, Ltd.
  10.  * @version 1.1.4
  11.  * @package Rinza_IE
  12.  * @see Rinza_IE_Util
  13.  * @filesource
  14.  * @license http://www.tyzoh.jp/rinza/licenses/LICENSE-1.0.txt Rinza Public License
  15.  * @example examples/sample.php
  16.  */
  17.  
  18.  
  19. require_once 'Rinza/IE/Util.php'; 
  20.  
  21.  
  22. /**#@+
  23.  * 定数
  24.  */
  25. /**
  26.  * <a>タグ指定リンク情報取得のためのScraper::getListOfLinks()用オプション
  27.  */
  28. define('RINZA_IE_SCRAPER_LINK_INFO_A', 11);
  29. /**
  30.  * <area>タグ指定リンク情報取得のためのScraper::getListOfLinks()用オプション
  31.  */
  32. define('RINZA_IE_SCRAPER_LINK_INFO_AREA', 12);
  33. /**
  34.  * addMenuItem()指定リンク情報取得のためのScraper::getListOfLinks()用オプション
  35.  */
  36. define('RINZA_IE_SCRAPER_LINK_INFO_MENU', 21);
  37. /**
  38.  * 上記すべてのリンク情報取得のためのScraper::getListOfLinks()用オプション
  39.  */
  40.  define('RINZA_IE_SCRAPER_LINK_INFO_ZALL', 99);
  41. /**#@-*/
  42.  
  43.  
  44. /**
  45.  * Rinza_IE_Scraper Class
  46.  * 
  47.  * <p>指定したコンテンツ文字列の正規化および正規化した文字列から特定の情報を抽出する
  48.  * 手段を提供します。
  49.  * <ul>
  50.  *   <li>指定された2つの文字列に挟まれる部分の抽出</li>
  51.  *   <li>リンク情報の抽出</li>
  52.  *   <li>指定キーワードに関連するリンク情報の抽出</li>
  53.  *   <li>HTMLタグ部分を取り除いた文字列の抽出</li>
  54.  *   <li>HTMLコメント部分を取り除いた文字列の抽出</li>
  55.  *   <li>HTMLコメント部分の抽出</li>
  56.  *   <li>指定HTMLタグ要素の抽出</li>
  57.  * </ul>
  58.  * 等をサポートしています。</p>
  59.  * <p>使用例:
  60.  * <code>
  61.  * $s = & new Rinza_IE_Scraper($web_content_string);
  62.  * echo htmlspecialchars($s->getNormarizedString());
  63.  * 
  64.  * </code></p>
  65.  * @author Y. Kurei
  66.  * @package Rinza_IE
  67.  */ 
  68. class Rinza_IE_Scraper {
  69.  
  70.     /**
  71.      * オブジェクト生成時に指定されたコンテンツ文字列
  72.      * @access private
  73.      * @var string 
  74.      */
  75.     var $_origin_string;
  76.     /**
  77.      * オブジェクト生成時に指定されたコンテンツ文字列の長さ
  78.      * @access private
  79.      * @var integer 
  80.      */
  81.     var $_origin_stirng_length;
  82.     /**
  83.      * 正規化されたコンテンツ文字列
  84.      * @access private
  85.      * @var string 
  86.      */
  87.     var $_normarized_string;
  88.     /**
  89.      * 正規化されたコンテンツ文字列の長さ
  90.      * @access private
  91.      * @var integer 
  92.      */
  93.     var $_normarized_string_length;
  94.     /**
  95.      * コンテンツ文字列処理時の文字エンコーディング
  96.      * @access private
  97.      * @var string 
  98.      */
  99.     var $_encoding;
  100.     /** コンテンツ文字列中のhtml開始・終了タグ間を処理対象とするか否かのフラグ
  101.      * @access private
  102.      * @var boolean 
  103.      */
  104.     var $_html_range;
  105.     /** コンテンツ文字列中のhtml開始タグの位置
  106.      * @access private
  107.      * @var integer 
  108.      */
  109.     var $_html_begin;
  110.     /** コンテンツ文字列中のhtml終了タグの位置
  111.      * @access private
  112.      * @var integer 
  113.      */
  114.     var $_html_end;
  115.     
  116.     /**
  117.      * コンストラクタ
  118.      * 
  119.      * オブジェクトの設定
  120.      * @param  string $pString    コンテンツ文字列(既定値:NULL)
  121.      * @param  string $pEncoding  文字列処理時の文字エンコーディング(既定値:UTF-8)
  122.      * @access  public
  123.      */
  124.     function __construct($pString = NULL, $pEncoding = 'UTF-8', $pHtmlRange = TRUE) {
  125.         
  126.         $this->_encoding = $pEncoding;
  127.         $this->_html_range = $pHtmlRange;
  128.         
  129.         if (is_null($pString)) {
  130.             $this->_origin_string = $pString;
  131.             $this->_origin_stirng_length = 0;
  132.         } else {
  133.             $detect_encoding = mb_detect_encoding($pString, 'ASCII,JIS,UTF-8,EUC-JP,SJIS');
  134.             if (empty($detect_encoding)) {
  135.                 $block = $this->_getPartialBlock($pString, 'charset=', '"', 0);
  136.                 if (is_null($block)) {
  137.                     $this->_origin_string = mb_convert_encoding($pString, $pEncoding, 'SJIS');
  138.                 } else {
  139.                     $this->_origin_string = mb_convert_encoding($pString, $pEncoding, $block);
  140.                 }
  141.             } else {
  142.                 $this->_origin_string = mb_convert_encoding($pString, $pEncoding, $detect_encoding);
  143.             }
  144.             
  145.             $this->_origin_stirng_length = mb_strlen($this->_origin_string, $pEncoding);
  146.         }
  147.         $this->_normarized_string = NULL;
  148.         $this->_normarized_string_length = 0;
  149.         
  150.     }
  151.     
  152.     
  153.     /**
  154.      * Scraperが処理するコンテンツ文字列の（変更）設定
  155.      * 
  156.      * @param  string $pString  コンテンツ文字列(既定値:NULL)
  157.      * @access  public
  158.      */
  159.     function setString($pString = NULL) {
  160.         
  161.         $this->__construct($pString);
  162.         
  163.     }
  164.     
  165.     
  166.     /**
  167.      * Scraperが現在処理対象としているコンテンツ文字列の取得
  168.      * 
  169.      * @return  string  Scraperが現在処理対象としているコンテンツ文字列
  170.      * @access  public
  171.      */
  172.     function getString() {
  173.         
  174.         return $this->_origin_string;
  175.         
  176.     }
  177.     
  178.     
  179.     /**
  180.      * Scraperに渡されているコンテンツ文字列の正規化文字列の取得
  181.      * 
  182.      * <p>正規化：コンテンツ文字列に含まれる次のコードを空白1文字に変換<br/>
  183.      *   <ul>
  184.      *     <li>HT(09)</li>
  185.      *     <li>LF(10)</li>
  186.      *     <li>CR(13)</li>
  187.      *     <li>連続する半角空白</li>
  188.      *   </ul>
  189.      * </p>
  190.      * @return  string  正規化されたコンテンツ文字列
  191.      * @access  public
  192.      */
  193.     function getNormarizedString() {
  194.         
  195.         // 既に正規化されている場合
  196.         if (!is_null($this->_normarized_string)) {
  197.             return $this->_normarized_string;
  198.         }
  199.         
  200.         // 正規化されていない場合
  201.         $replace_char = array(chr(9), chr(10), chr(13)); // chr(9)= HT, chr(10)=LF, chr(13)=CR
  202.         $converted_string = str_replace($replace_char, chr(32), $this->_origin_string); // chr(32)=" ";
  203.         while (strpos($converted_string, str_repeat(chr(32), 2), 0) !== FALSE) {
  204.             $converted_string = str_replace(str_repeat(chr(32), 2), chr(32), $converted_string);
  205.         }
  206.         $this->_normarized_string = trim($converted_string);
  207.         $this->_normarized_string_length = mb_strlen($this->_normarized_string, $this->_encoding);
  208.         
  209.         if (!empty($this->_normarized_string) && $this->_html_range) {
  210.             if (($html_bgn_pos = mb_strpos(strtolower($this->_normarized_string), '<html', 0, $this->_encoding)) === FALSE) {
  211.                 $this->_html_begin = 0;
  212.             } else {
  213.                 $this->_html_begin = $html_bgn_pos;
  214.             }
  215.             if (($html_end_pos = mb_strrpos(strtolower($this->_normarized_string), '</html>', $this->_encoding)) === FALSE) {
  216.                 $this->_html_end = $this->_normarized_string_length - 1;
  217.             } else {
  218.                 $this->_html_end = $html_end_pos + 6;
  219.             }
  220.             $this->_normarized_string = mb_substr($this->_normarized_string, $this->_html_begin, $this->_html_end - $this->_html_begin + 1, $this->_encoding);
  221.             $this->_normarized_string_length = mb_strlen($this->_normarized_string, $this->_encoding);
  222.         }
  223.     
  224.         return $this->_normarized_string;
  225.         
  226.     }
  227.     
  228.     
  229.     /**
  230.      * コンテンツ文字列から2つの指定文字列で挟まれる部分を抽出した文字列および抽出終了位置の取得
  231.      * 
  232.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う<br/>
  233.      * 指定文字列に対する抽出において，大文字・小文字の区別はしない</p>
  234.      * @param   string  $pStart   抽出開始部分を決めるための文字列(NULLの場合は，抽出元文字列の1文字目から抽出対象となる)
  235.      * @param   string  $pEnd     抽出終了部分を決めるための文字列(NULLの場合は，抽出元文字列の最終文字までが抽出対象となる)
  236.      * @param   integer $pOffset  抽出元文字列のうち抽出開始対象とする位置を指定する(0オリジン)
  237.      * @return  array   次をキーをもつ配列：
  238.      *  <ul>
  239.      *     <li>0  -  抽出された文字列(該当する抽出箇所がない，あるいは空白文字のみの場合 : NULL)</li>
  240.      *     <li>1  -  抽出元文字列における抽出終了位置</li>
  241.      *  </ul>
  242.      * @access  public
  243.      */
  244.     function getPartialBlock($pStart, $pEnd, $pOffset) {
  245.     
  246.         $rBlock = array();
  247.         $block = NULL;
  248.         $string = $this->getNormarizedString();
  249.         $time_limit = intval(mb_strlen($string, $this->_encoding) / 50000) * 60;
  250.         if ($time_limit > 0 ) {
  251.             set_time_limit($time_limit);
  252.         }        
  253.         if (0< $pOffset && $pOffset < $this->_normarized_string_length - 1){
  254.             $string = mb_substr($string, $pOffset, $this->_normarized_string_length - $pOffset, $this->_encoding);
  255.         } elseif ($pOffset <= 0) {
  256.             $pOffset = 0;
  257.         } else {
  258.             return $rBlock = array($block, $pOffset);
  259.         }
  260.         if (is_null($pStart)) {
  261.             $start_pos = 0;
  262.             $start_length = 0;
  263.         } else {
  264.             $start_pos = mb_strpos(strtolower($string), strtolower($pStart), 0, $this->_encoding);
  265.             $start_length =mb_strlen($pStart, $this->_encoding);
  266.         }
  267.         if ($start_pos === FALSE) {
  268.             return $rBlock = array($block, $pOffset);
  269.         }
  270.         $start_pos = $start_pos + $start_length;
  271.         if (is_null($pEnd)) {
  272.             $end_pos = mb_strlen($string, $this->_encoding);
  273.             $end_length = 0;
  274.         } else {
  275.             $end_pos = mb_strpos(strtolower($string), strtolower($pEnd), $start_pos, $this->_encoding);
  276.             if ($end_pos === FALSE) {
  277.                 return $rBlock = array($block, $pOffset);
  278.             }
  279.             $end_length =mb_strlen($pEnd, $this->_encoding);
  280.         }
  281.         
  282.         if ($end_pos > $start_pos) {
  283.             $block = trim(mb_substr($string, $start_pos, $end_pos - $start_pos, $this->_encoding));
  284.         }
  285.         
  286.         if (preg_match("/^([\s]+)$/", $block)) {
  287.             $block = NULL;
  288.         }
  289.         
  290.         return $rBlock = array($block, $pOffset + $end_pos + $end_length);
  291.     
  292.     }
  293.     
  294.     
  295.     /**
  296.      * コンテンツ文字列からのすべてのリンク情報の取得
  297.      * 
  298.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う</p>
  299.      * @param  string  $pURL  コンテンツ文字列を取得したURL(既定値:NULL)
  300.      * @param  integer $pOpt  対象とするリンク情報
  301.      *  <ul>
  302.      *    <li>RINZA_IE_SCRAPER_LINK_INFO_A     -  "<a>タグ"を対象(既定値)</li>
  303.      *    <li>RINZA_IE_SCRAPER_LINK_INFO_AREA  -  "<area>タグ"を対象</li>
  304.      *    <li>RINZA_IE_SCRAPER_LINK_INFO_MENU  -  "JavaScript addMenuItem()"を対象</li>
  305.      *    <li>RINZA_IE_SCRAPER_LINK_INFO_ZALL  -  上記すべてを対象</li>
  306.      *  </ul>
  307.      * @return array  対象リンク情報のすべてを格納した以下のキーをもつ配列
  308.      *  <ul>
  309.      *    <li>info  -  <ul>
  310.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_Aの場合     :  "<a "から"</a>"の間の文字列</li>
  311.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_AREAの場合  :  "<area "から">"の間の文字列</li>
  312.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_MENUの場合  :  "addMenuItem("から")"の間の文字列</li>
  313.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_ZALLの場合  :  上記すべて</li>
  314.      *      </ul>
  315.      *    </li>
  316.      *    <li>url  -  <ul>
  317.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_Aの場合     :  hrefあるいはwindow.open()に指定されているURL</li>
  318.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_AREAの場合  :  hrefに指定されているURL</li>
  319.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_MENUの場合  :  locationに指定されているURL</li>
  320.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_ZALLの場合  :  上記すべて</li>
  321.      *      </ul>
  322.      *    </li>
  323.      *    <li>absurl  -  <ul>
  324.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_Aの場合     :  hrefあるいはwindow.open()に指定されているURLを絶対URLに変換したもの</li>
  325.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_AREAの場合  :  hrefに指定されているURLを絶対URLに変換したもの</li>
  326.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_MENUの場合  :  locationに指定されているURLを絶対URLに変換したもの</li>
  327.      *        <li>RINZA_IE_SCRAPER_LINK_INFO_ZALLの場合  :  上記すべて</li>
  328.      *      </ul>
  329.      *    </li>
  330.      *    <li>title  -  リンクを説明する文字列</li>
  331.      *  </ul>
  332.      * @access  public
  333.      */
  334.     function getListOfLinks($pURL = NULL, $pOpt = RINZA_IE_SCRAPER_LINK_INFO_A) {
  335.             
  336.         $links = array();
  337.         $rLinks = array();
  338.         
  339.         // <a>タグからのリンク情報取得
  340.         if ($pOpt == RINZA_IE_SCRAPER_LINK_INFO_A || $pOpt == RINZA_IE_SCRAPER_LINK_INFO_ZALL) {
  341.             $block_info = $this->getPartialBlock('<a ', '</a>', 0);
  342.             $links_idx = 0;
  343.             while (!is_null($block_info[0])) {
  344.                 if (($a_pos = mb_strpos(strtolower($block_info[0]), '<a ', 0, $this->_encoding)) !== FALSE) {
  345.                     $links[$links_idx]['info'] = mb_substr($block_info[0], 0, $a_pos , $this->_encoding);
  346.                     $links[$links_idx]['opt'] = RINZA_IE_SCRAPER_LINK_INFO_A;
  347.                     $links_idx++;
  348.                     $block_info[1] = $block_info[1] - (mb_strlen($block_info[0], $this->_encoding) - $a_pos) - 4;
  349.                 } else {
  350.                     $links[$links_idx]['info'] = $block_info[0];
  351.                     $links[$links_idx]['opt'] = RINZA_IE_SCRAPER_LINK_INFO_A;
  352.                     $links_idx++;
  353.                 }
  354.                 $block_info = $this->getPartialBlock('<a ', '</a>', $block_info[1]);
  355.             }
  356.         }
  357.         
  358.         $info_count = count($links);
  359.         
  360.         // <area>タグからのリンク情報取得
  361.         if ($pOpt == RINZA_IE_SCRAPER_LINK_INFO_AREA || $pOpt == RINZA_IE_SCRAPER_LINK_INFO_ZALL) {
  362.             $block_info = $this->getPartialBlock('<area ', '>',0);
  363.             $links_idx = $info_count;
  364.             while (!is_null($block_info[0])) {
  365.                 $links[$links_idx]['info'] = $block_info[0];
  366.                 $links[$links_idx]['opt'] = RINZA_IE_SCRAPER_LINK_INFO_AREA;
  367.                 $links_idx++;
  368.                 $block_info = $this->getPartialBlock('<area ', '>', $block_info[1]);
  369.             }
  370.         }
  371.         
  372.         $info_count = count($links);
  373.  
  374.         // JavaScript addMenuItem()のリンク情報取得
  375.         if ($pOpt == RINZA_IE_SCRAPER_LINK_INFO_MENU || $pOpt == RINZA_IE_SCRAPER_LINK_INFO_ZALL) {
  376.             $block_info = $this->getPartialBlock('addMenuItem(', ')', 0);
  377.             $links_idx = $info_count;
  378.             while (!is_null($block_info[0])) {
  379.                 $links[$links_idx]['info'] = $block_info[0];
  380.                 $links[$links_idx]['opt'] = RINZA_IE_SCRAPER_LINK_INFO_MENU * 10;
  381.                 $links_idx++;
  382.                 $block_info = $this->getPartialBlock('addMenuItem(', ')', $block_info[1]);
  383.             }
  384.             // proprietary function additem()のリンク情報取得
  385.             $block_info = $this->getPartialBlock('additem(', ')', 0);
  386.             while (!is_null($block_info[0])) {
  387.                 $links[$links_idx]['info'] = $block_info[0];
  388.                 if (strpos(strtolower($block_info[0]), 'new treenode', 0) !== FALSE) {
  389.                     $links[$links_idx]['opt'] = RINZA_IE_SCRAPER_LINK_INFO_MENU * 10 + 2;
  390.                 } else {
  391.                     $links[$links_idx]['opt'] = RINZA_IE_SCRAPER_LINK_INFO_MENU * 10 + 1;
  392.                 }
  393.                 $links_idx++;
  394.                 $block_info = $this->getPartialBlock('additem(', ')', $block_info[1]);
  395.             }
  396.         }
  397.         
  398.         $info_count = count($links);
  399.         
  400.         // リンク情報詳細取得
  401.         if ($info_count == 0) {
  402.             return $rLinks = $links;
  403.         }
  404.         $scraper = & new Rinza_IE_Scraper(NULL, $this->_encoding);
  405.         for ($i = 0; $i < $info_count; $i++) {
  406.             $scraper->setString($links[$i]['info']);
  407.             if ($links[$i]['opt'] == RINZA_IE_SCRAPER_LINK_INFO_A) { // <a>タグからのリンク情報詳細取得
  408.                 if (($href_pos = mb_strpos(strtolower($links[$i]['info']), 'href', 0, $this->_encoding)) !== FALSE) {
  409.                     $eq_pos = mb_strpos($links[$i]['info'], '=', $href_pos, $this->_encoding);
  410.                     $gt_pos = mb_strpos($links[$i]['info'], '>', $href_pos, $this->_encoding);
  411. //                    $js_pos = mb_strpos(strtolower($links[$i]['info']), 'javascript', $href_pos, $this->_encoding);
  412.                     $js_chkblock_info = $scraper->getPartialBlock('=', '>', $href_pos);
  413.                     $js_flg = preg_match('/^(href=javascript)/i', trim(strtolower($js_chkblock_info[0]), "\", ', ' '"));
  414.                     if (($sp_pos = mb_strpos($links[$i]['info'], ' ', $href_pos, $this->_encoding)) === FALSE) {
  415.                         $sp_pos = $gt_pos + 1;
  416.                     } else {
  417.                         if ($sp_pos < $eq_pos) {
  418.                             if (($sp_pos = mb_strpos($links[$i]['info'], ' ', $eq_pos, $this->_encoding)) === FALSE) {
  419.                                 $sp_pos = $gt_pos + 1;
  420.                             }
  421.                         } else {
  422.                             $chk_space = trim(mb_substr($links[$i]['info'], $eq_pos + 1, $sp_pos - $eq_pos, $this->_encoding), ' ');
  423.                             if (empty($chk_space)) {
  424.                                 $sp_pos = $gt_pos + 1;
  425.                             } else {
  426.                             }
  427.                         }
  428.                     }
  429.                     if ($js_flg) {
  430.                         $subblock_info = $scraper->getPartialBlock('=', '>', $href_pos);
  431.                     } elseif ($sp_pos < $gt_pos) {
  432.                         $subblock_info = $scraper->getPartialBlock('=', ' ', $href_pos);
  433.                     } else {
  434.                         $subblock_info = $scraper->getPartialBlock('=', '>', $href_pos);
  435.                     }
  436.                     if (!is_null($subblock_info[0])) {
  437.                         if ($js_flg) {
  438.                             $block_info[0] = $subblock_info[0];
  439.                             $block_info[1] = $href_pos + mb_strlen($subblock_info[0], $this->_encoding);
  440.                         } else {
  441.                             $scraper->setString($subblock_info[0]);
  442.                             $chkblock_info = $scraper->getPartialBlock('"', '"', $href_pos);
  443.                             if (!is_null($chkblock_info[0])) {
  444.                                 $block_info = $chkblock_info;
  445.                             } else {
  446.                                 $chkblock_info = $scraper->getPartialBlock('\'', '\'', $href_pos);
  447.                                 if (!is_null($chkblock_info[0])) {
  448.                                     $block_info = $chkblock_info;
  449.                                 } else {
  450.                                     $block_info[0] = trim($subblock_info[0], '", \'');
  451.                                     $block_info[1] = $href_pos + mb_strlen($subblock_info[0], $this->_encoding);
  452.                                 }
  453.                             }
  454.                             $scraper->setString($links[$i]['info']);
  455.                         }
  456.                     } else {
  457.                         $block_info[0] = NULL;
  458.                         $block_info[1] = $href_pos;
  459.                     }
  460.                     $backup_pos = $block_info[1];
  461.                     if (!is_null($block_info[0])) {
  462.                         if (strpos(strtolower($block_info[0]), 'javascript', 0) !== FALSE) {
  463.                             $scraper->setString($block_info[0]);
  464.                             $chkblock_info = $scraper->getPartialBlock('javascript', '"', 0);
  465.                             if (trim($chkblock_info[0], "' ', \"") == ':;' || preg_match('/^(:void)/i', trim($chkblock_info[0], "' ', \""))) {
  466.                                 $block_info[0] = '#';
  467.                             } else {
  468.                                 $block_info = $scraper->getPartialBlock('\'', '\'', 0);
  469.                                 if (is_null($block_info[0])) {
  470.                                     if (($wo_pos = mb_strpos(strtolower($links[$i]['info']), 'window.open', $backup_pos, $this->_encoding)) !== FALSE) {
  471.                                         $scraper->setString($links[$i]['info']);
  472.                                         $block_info = $scraper->getPartialBlock('\'', '\'', $wo_pos);
  473.                                     }
  474.                                 }
  475.                             }
  476.                             $scraper->setString($links[$i]['info']);
  477.                         }
  478.                         if (preg_match("/^#/", $block_info[0])) {
  479.                             if (($oc_pos = mb_strpos(strtolower($links[$i]['info']), 'onclick', 0, $this->_encoding)) !== FALSE) { // onClickでリンク先指定の場合
  480.                                 // 'url'の取得
  481.                                 $chkblock_info = $scraper->getPartialBlock('=', ')', $oc_pos);
  482.                                 if (mb_strpos(strtolower($chkblock_info[0]), 'open', 0, $this->_encoding) !== FALSE) {
  483.                                     $block_info = $scraper->getPartialBlock('\'', '\'', $oc_pos);
  484.                                     if (!is_null($block_info[0])) {
  485.                                         $links[$i]['url'] = $block_info[0];
  486.                                         // 'absurl'の取得
  487.                                         $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  488.                                         // 'title'の取得
  489.                                         $title = trim($scraper->getRemoveTags(TRUE));
  490.                                         if (!empty($title)) {
  491.                                             $links[$i]['title'] = $title;
  492.                                         } else {
  493.                                             $links[$i]['title'] = NULL;
  494.                                         }
  495.                                     } else {
  496.                                         $links[$i]['url'] = NULL;
  497.                                         $links[$i]['title'] = NULL;
  498.                                     }
  499.                                 } else {
  500.                                     $links[$i]['url'] = NULL;
  501.                                     $links[$i]['title'] = NULL;
  502.                                 }
  503.                             } else {
  504.                                 $links[$i]['url'] = NULL;
  505.                                 $links[$i]['title'] = NULL;
  506.                             }
  507.                         } else {
  508.                             // 'url'の取得
  509.                             $links[$i]['url'] = $block_info[0];
  510.                             // 'absurl'の取得
  511.                             $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  512.                             // 'title'の取得
  513.                             $title = trim($scraper->getRemoveTags(TRUE));
  514.                             if (empty($title) || $title == '&nbsp;') {
  515.                                 $block_info = $scraper->getPartialBlock('alt="', '"', 0);
  516.                                 if (is_null($block_info[0])) {
  517.                                     $block_info = $scraper->getPartialBlock('alt=\'', '\'', 0);
  518.                                     if (is_null($block_info[0])) {
  519.                                         $block_info = $scraper->getPartialBlock('alt = "', '"', 0);
  520.                                         if (is_null($block_info[0])) {
  521.                                             $block_info = $scraper->getPartialBlock('alt = \'', '\'', 0);
  522.                                             if (is_null($block_info[0])) {
  523.                                                 $block_info = $scraper->getPartialBlock('title="', '"', 0);
  524.                                                 if (is_null($block_info[0])) {
  525.                                                     $block_info = $scraper->getPartialBlock('title=\'', '\'', 0);
  526.                                                     if (is_null($block_info[0])) {
  527.                                                         $block_info = $scraper->getPartialBlock('title = "', '"', 0);
  528.                                                         if (is_null($block_info[0])) {
  529.                                                             $block_info = $scraper->getPartialBlock('title = \'', '\'', 0);
  530.                                                         }
  531.                                                     }
  532.                                                 }
  533.                                             }
  534.                                         }
  535.                                     }
  536.                                 }
  537.                                 $title = $block_info[0];
  538.                             } elseif (preg_match("/^([\s]+)$/", $title)) {
  539.                                 $title = NULL;
  540.                             }
  541.                             $links[$i]['title'] = $title;
  542.                         }
  543.                     } else {
  544.                         $links[$i]['url'] = NULL;
  545.                     }
  546.                 } else {
  547.                     $links[$i]['url'] = NULL;
  548.                 }
  549.             } elseif ($links[$i]['opt'] == RINZA_IE_SCRAPER_LINK_INFO_AREA) { // <area>タグからのリンク情報詳細取得
  550.                 if (($href_pos = strpos(strtolower($links[$i]['info']), 'href', 0)) !== FALSE) {
  551.                     $block_info = $scraper->getPartialBlock('"', '"', $href_pos);
  552.                     if (is_null($block_info[0])) {
  553.                         $block_info = $scraper->getPartialBlock('\'', '\'', $href_pos);
  554.                         if (is_null($block_info[0])) {
  555.                             $block_info = $scraper->getPartialBlock('=', ' ', $href_pos);
  556.                         }
  557.                     }
  558.                     if (!is_null($block_info[0])) {
  559.                         // 'url'の取得
  560.                         $links[$i]['url'] = $block_info[0];
  561.                         // 'absurl'の取得
  562.                         $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  563.                         // 'title'の取得
  564.                         $block_info = $scraper->getPartialBlock('alt="', '"', 0);
  565.                         if (is_null($block_info[0])) {
  566.                             $block_info = $scraper->getPartialBlock('alt=\'', '\'', 0);
  567.                             if (is_null($block_info[0])) {
  568.                                 $block_info = $scraper->getPartialBlock('alt = "', '"', 0);
  569.                                 if (is_null($block_info[0])) {
  570.                                     $block_info = $scraper->getPartialBlock('alt = \'', '\'', 0);
  571.                                 }
  572.                             }
  573.                         }
  574.                         $links[$i]['title'] = $block_info[0];
  575.                     } else {
  576.                         $links[$i]['url'] = NULL;
  577.                     }
  578.                 } else {
  579.                     $links[$i]['url'] = NULL;
  580.                 }
  581.             } elseif ($links[$i]['opt'] == (RINZA_IE_SCRAPER_LINK_INFO_MENU * 10)) { // JavaScript addMenuItem()からのリンク情報取得
  582.                 $block_info = $scraper->getPartialBlock('location=\'', '\'', 0);
  583.                 if (is_null($block_info[0])) {
  584.                     if (($wo_pos = mb_strpos(strtolower($links[$i]['info']), 'window.open', 0, $this->_encoding)) !== FALSE) {
  585.                         $scraper->setString($links[$i]['info']);
  586.                         $block_info = $scraper->getPartialBlock('\'', '\'', $wo_pos);
  587.                     }
  588.                 }
  589.                 if (!is_null($block_info[0])) {
  590.                     // 'url'の取得
  591.                     $links[$i]['url'] = $block_info[0];
  592.                     // 'absurl'の取得
  593.                     $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  594.                     // 'title'の取得
  595.                     $block_info = $scraper->getPartialBlock('"', '"', 0);
  596.                     $scraper->setString($block_info[0]);
  597.                     $links[$i]['title'] = $scraper->getRemoveTags();
  598.                 } else {
  599.                     $links[$i]['url'] = NULL;
  600.                 }
  601.             } elseif ($links[$i]['opt'] == (RINZA_IE_SCRAPER_LINK_INFO_MENU * 10 + 1)) { // proprietary function additem()のリンク情報取得
  602.                 $block_info = $scraper->getPartialBlock('\'', '\'', 0);
  603.                 if (!is_null($block_info[0])) {
  604.                     $tmp_title = $block_info[0];
  605.                     // 'url'の取得
  606.                     $block_info = $scraper->getPartialBlock('\'', '\'', $block_info[1]);
  607.                     $links[$i]['url'] = $block_info[0];
  608.                     // 'absurl'の取得
  609.                     $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  610.                     // 'title'の取得
  611.                     $links[$i]['title'] = $tmp_title;
  612.                 } else {
  613.                     $links[$i]['url'] = NULL;
  614.                 }
  615.             } elseif ($links[$i]['opt'] == (RINZA_IE_SCRAPER_LINK_INFO_MENU * 10 + 2)) { // proprietary function additem()のリンク情報取得
  616.                 $block_info = $scraper->getPartialBlock('\'', '\'', 0);
  617.                 if (!is_null($block_info[0])) {
  618.                     $tmp_title = $block_info[0];
  619.                     // 'url'の取得
  620.                     $block_info = $scraper->getPartialBlock('\'', '\'', $block_info[1]);
  621.                     $block_info = $scraper->getPartialBlock('\'', '\'', $block_info[1]);
  622.                     $links[$i]['url'] = $block_info[0];
  623.                     // 'absurl'の取得
  624.                     $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  625.                     // 'title'の取得
  626.                     $links[$i]['title'] = $tmp_title;
  627.                 } else {
  628.                     $links[$i]['url'] = NULL;
  629.                 }
  630.             } else {
  631.                 $links[$i]['url'] = NULL;
  632.             }
  633.         }
  634.         unset($scraper);
  635.         
  636.         $rLinks_idx = 0;
  637.         for ($i = 0; $i < $info_count; $i++) {
  638.             if (!is_null($links[$i]['url'])) {
  639.                 $rLinks[$rLinks_idx]['info'] = $links[$i]['info'];
  640.                 $rLinks[$rLinks_idx]['url'] = $links[$i]['url'];
  641.                 $rLinks[$rLinks_idx]['absurl'] = $links[$i]['absurl'];
  642.                 $rLinks[$rLinks_idx]['title'] = $links[$i]['title'];
  643.                 $rLinks_idx++;
  644.             }
  645.         }
  646.         
  647.         return $rLinks;
  648.     
  649.     }
  650.     
  651.     
  652.     /**
  653.      * getListOfLinks()で得られたリンク情報のうち，指定キーワードに関わるリンク情報の取得
  654.      * 
  655.      * <p>指定キーワードに対する検索において，大文字・小文字の区別はしない</p>
  656.      * @param   array $pLinks      getListOfLinks()の返り値配列
  657.      * @param   array $pTargetKey  対象キーワードの配列
  658.      * @param   array $pExceptKey  除外キーワードの配列
  659.      * @return  array  以下のキーをもつ関連リンク情報の配列
  660.      *  <ul>
  661.      *    <li>absurl  -  絶対URL</li>
  662.      *    <li>title   -  リンクを説明する文字列</li>
  663.      *  </ul>
  664.      * @access  public
  665.      */
  666.     function getRelatedLinks($pLinks, $pTargetKey, $pExceptKey) {
  667.         
  668.         $rRelatedLinks = array();
  669.         $absURL = array();
  670.         $absURLseq = array();
  671.         $title = array();
  672.         
  673.         if (($link_num = count($pLinks)) > 0 && ($targetKey_num = count($pTargetKey)) > 0) {
  674.             
  675.             // 指定キーワードに関わるリンク情報を抽出
  676.             for ($i = 0; $i < $targetKey_num; $i++) {
  677.                 for($j = 0; $j < $link_num; $j++) {
  678.                     $targetKey_pos_in_url = mb_strpos(strtolower($pLinks[$j]['url']), strtolower($pTargetKey[$i]), 0, $this->_encoding);
  679.                     $targetKey_pos_in_title = mb_strpos(strtolower($pLinks[$j]['title']), strtolower($pTargetKey[$i]), 0, $this->_encoding);
  680.                     if ($targetKey_pos_in_url !== FALSE || $targetKey_pos_in_title !== FALSE) {
  681.                         if (!empty($pExceptKey)) {
  682.                             $except_flg = FALSE;
  683.                             for ($k = 0; $k < count($pExceptKey); $k++) {
  684.                                 $exceptKey_pos_in_url = mb_strpos(strtolower($pLinks[$j]['url']), strtolower($pExceptKey[$k]), 0, $this->_encoding);
  685.                                 $exceptKey_pos_in_title = mb_strpos(strtolower($pLinks[$j]['title']), strtolower($pExceptKey[$k]), 0, $this->_encoding);
  686.                                 if ($exceptKey_pos_in_url !== FALSE || $exceptKey_pos_in_title !== FALSE) {
  687.                                     $except_flg = TRUE;
  688.                                     break 1;
  689.                                 }
  690.                             }
  691.                             if (!$except_flg) {
  692.                                 $absURL[$j] = $pLinks[$j]['absurl'];
  693.                                 $title[$j] = $pLinks[$j]['title'];
  694.                             }
  695.                         } else {
  696.                             $absURL[$j] = $pLinks[$j]['absurl'];
  697.                             $title[$j] = $pLinks[$j]['title'];
  698.                         }
  699.                     }
  700.                 }
  701.             }
  702.             
  703.             if (!is_null($absURL)) {
  704.                 // リンク情報配列インデックスの圧縮
  705.                 $abs_url = current($absURL);
  706.                 $abs_url_idx = 0;
  707.                 while ($abs_url !== FALSE) {
  708.                     $absURLseq[$abs_url_idx] = $abs_url;
  709.                     $abs_url_idx++;
  710.                     $abs_url = next($absURL);
  711.                 }
  712.                 $title_string = current($title);
  713.                 $title_string_idx = 0;
  714.                 while ($title_string !== FALSE) {
  715.                     $title_seq[$title_string_idx] = $title_string;
  716.                     $title_string_idx++;
  717.                     $title_string = next($title);
  718.                 }
  719.                 
  720.                 // リンク先URLが重複している情報の削除準備
  721.                 $absURLseq_num = count($absURLseq);
  722.                 if ($absURLseq_num > 1) {
  723.                     for ($i = 0; $i < $absURLseq_num; $i++) {
  724.                         if (!is_null($absURLseq[$i])) {
  725.                             for ($j = $i + 1; $j < $absURLseq_num; $j++) {
  726.                                 if (strcmp($absURLseq[$i], $absURLseq[$j]) == 0) { // URL文字列が全く同じ場合
  727.                                     $absURLseq[$j] = NULL;
  728.                                     if (mb_strlen($title_seq[$j], $this->_encoding) > mb_strlen($title_seq[$i], $this->_encoding)) {
  729.                                         $title_seq[$i] = $title_seq[$j];
  730.                                     }
  731.                                 } else { // URL文字列が異なる場合
  732.                                     if (preg_match("/^(index\.)/i", basename($absURLseq[$i]))) { // $absURLseq[$i] : "index.*" で終わる場合
  733.                                         if (preg_match("/^(index\.)/i", basename($absURLseq[$j]))) { // $absURLseq[$j] : "index.*" で終わる場合
  734.                                             // URL文字列は完全に異なる
  735.                                         } else { // $absURLseq[$j] : "index.*"で終わらない場合
  736.                                             if (strcmp(dirname($absURLseq[$i]), preg_replace("/\/$/", "", $absURLseq[$j])) == 0) {
  737.                                                 $absURLseq[$j] = NULL;
  738.                                                 if (mb_strlen($title_seq[$j], $this->_encoding) > mb_strlen($title_seq[$i], $this->_encoding)) {
  739.                                                     $title_seq[$i] = $title_seq[$j];
  740.                                                 }
  741.                                             } else {
  742.                                                 // URL文字列は完全に異なる
  743.                                             }
  744.                                         }
  745.                                     } elseif (preg_match("/^(index\.)/i", basename($absURLseq[$j]))) { // $absURLseq[$j] : "index.*" で終わる場合
  746.                                         if (preg_match("/^(index\.)/i", basename($absURLseq[$i]))) { // $absURLseq[$i] : "index.*" で終わる場合
  747.                                             // URL文字列は完全に異なる
  748.                                         } else { // $absURLseq[$i] : "index.*" で終わらない場合
  749.                                             if (strcmp(dirname($absURLseq[$j]), preg_replace("/\/$/", "", $absURLseq[$i])) == 0) {
  750.                                                 $absURLseq[$j] = NULL;
  751.                                                 if (mb_strlen($title_seq[$j], $this->_encoding) > mb_strlen($title_seq[$i], $this->_encoding)) {
  752.                                                     $title_seq[$i] = $title_seq[$j];
  753.                                                 }
  754.                                             } else {
  755.                                                 // URL文字列は完全に異なる
  756.                                             }
  757.                                         }
  758.                                     } elseif (preg_match("/\/$/", $absURLseq[$i])) { // $absURLseq[$i] : "/" で終わる場合
  759.                                         if (preg_match("/\/$/", $absURLseq[$j])) { // $absURLseq[$j] : "/" で終わる場合
  760.                                             // URL文字列は完全に異なる
  761.                                         } else { // $absURLseq[$j] : "/" で終わらない場合
  762.                                             if (strcmp($absURLseq[$i], $absURLseq[$j] . '/') == 0) {
  763.                                                 $absURLseq[$j] = NULL;
  764.                                                 if (mb_strlen($title_seq[$j], $this->_encoding) > mb_strlen($title_seq[$i], $this->_encoding)) {
  765.                                                     $title_seq[$i] = $title_seq[$j];
  766.                                                 }
  767.                                             }
  768.                                         }
  769.                                     } elseif (preg_match("/\/$/", $absURLseq[$j])) { // $absURLseq[$j] : "/" で終わる場合
  770.                                         if (preg_match("/\/$/", $absURLseq[$i])) { // $absURLseq[$i] : "/" で終わる場合
  771.                                             // URL文字列は完全に異なる
  772.                                         } else { // $absURLseq[$i] : "/" で終わらない場合
  773.                                             if (strcmp($absURLseq[$j], $absURLseq[$i] . '/') == 0) {
  774.                                                 $absURLseq[$j] = NULL;
  775.                                                 if (mb_strlen($title_seq[$j], $this->_encoding) > mb_strlen($title_seq[$i], $this->_encoding)) {
  776.                                                     $title_seq[$i] = $title_seq[$j];
  777.                                                 }
  778.                                             }
  779.                                         }
  780.                                     } else {
  781.                                         // URL文字列は完全に異なる
  782.                                     }    
  783.                                 }
  784.                             }
  785.                         }
  786.                     }
  787.                 }
  788.     
  789.                 // 重複のないリンク情報配列の作成
  790.                 $uniqueLink_idx = 0;
  791.                 for ($i= 0; $i < $absURLseq_num; $i++) {
  792.                     if (!is_null($absURLseq[$i])) {
  793.                         $rRelatedLinks[$uniqueLink_idx]['absurl'] = $absURLseq[$i];
  794.                         $rRelatedLinks[$uniqueLink_idx]['title'] = $title_seq[$i];
  795.                         $uniqueLink_idx++;
  796.                     }
  797.                 }
  798.     
  799.             }
  800.         }
  801.  
  802.         return $rRelatedLinks;
  803.     
  804.     }
  805.     
  806.     
  807.     /**
  808.      * コンテンツ文字列からの外部スクリプトファイルのリンク情報を取得
  809.      * 
  810.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う</p>
  811.      * @param  string $pURL  コンテンツ文字列を取得したURL
  812.      * @return array  以下のキーをもつ関連リンク情報の配列
  813.      *  <ul>
  814.      *    <li>info   -  "<scrtipt "から"</script>"の間の文字列</li>
  815.      *    <li>url    -  hrefに指定されているURL</li>
  816.      *    <li>absurl -  hrefに指定されているURLを絶対URLに変換したもの</li>
  817.      *  </ul>
  818.      * @access  public
  819.      */
  820.     function getListOfScriptSrc($pURL = NULL) {
  821.         
  822.         $links = array();
  823.         $rLinks = array();
  824.         
  825.         $block_info = $this->getPartialBlock('<script ', '</script>', 0);
  826.         $links_idx = 0;
  827.         while (!is_null($block_info[0])) {
  828.             if (($s_pos = mb_strpos(strtolower($block_info[0]), '<script ', 0, $this->_encoding)) !== FALSE) {
  829.                 $links[$links_idx]['info'] = mb_substr($block_info[0], 0, $s_pos , $this->_encoding);
  830.                 $links_idx++;
  831.                 $links[$links_idx]['info'] = mb_substr($block_info[0], $s_pos + 8 , mb_strlen($block_info[0], $this->_encoding) - ($s_pos + 8), $this->_encoding);
  832.                 $links_idx++;
  833.             } else {
  834.                 $links[$links_idx]['info'] = $block_info[0];
  835.                 $links_idx++;
  836.             }
  837.             $block_info = $this->getPartialBlock('<script ', '</script>', $block_info[1]);
  838.         }
  839.         $info_count = count($links);
  840.         if ($info_count == 0) {
  841.             return $rLinks = $links;
  842.         }
  843.         $scraper = & new Rinza_IE_Scraper(NULL, $this->_encoding);
  844.         for ($i = 0; $i < $info_count; $i++) {
  845.             $scraper->setString($links[$i]['info']);
  846.             // 'url'の取得
  847.             $block_info = $scraper->getPartialBlock('src="', '"', 0);
  848.             if (!is_null($block_info[0])) {
  849.                 $links[$i]['url'] = $block_info[0];
  850.                 // 'absurl'の取得
  851.                 $links[$i]['absurl'] = Rinza_IE_Util::getAbsoluteURL($pURL, $links[$i]['url']);
  852.             } else {
  853.                 $links[$i]['url'] = NULL;
  854.             }
  855.         }
  856.         unset($scraper);
  857.         
  858.         $rLinks_idx = 0;
  859.         for ($i = 0; $i < $info_count; $i++) {
  860.             if (!is_null($links[$i]['url'])) {
  861.                 $rLinks[$rLinks_idx] = $links[$i];
  862.                 $rLinks_idx++;
  863.             }
  864.         }
  865.         
  866.         return $rLinks;
  867.     
  868.     }
  869.     
  870.     
  871.     /**
  872.      * コンテンツ文字列からのタグ部分("<"と">"で挟まれる部分)をすべて除いた文字列の取得
  873.      * 
  874.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う</p>
  875.      * @param  boolean  $pInTag 
  876.      *  <ul>
  877.      *    <li>処理対象コンテンツ文字列が元々タグ内のある文字から開始されたものである場合 : TRUE</li>
  878.      *    <li>上記以外                                                                   : FALSE</li>
  879.      *  </ul>
  880.      * @return string  タグ部分が除かれた文字列(空文字列の場合はNULLを返す)
  881.      * @access  public
  882.      */    
  883.     function getRemoveTags($pInTag = FALSE) {
  884.     
  885.         $rString = NULL;
  886.         $string = $this->getNormarizedString();
  887.         $string_length = strlen($string);
  888.         $lt_pos = mb_strpos($string, '<', 0, $this->_encoding);
  889.         $gt_pos = mb_strpos($string, '>', 0, $this->_encoding);
  890.         
  891.         if ($lt_pos !== FALSE && $gt_pos !== FALSE) {
  892.             if ($pInTag) {
  893.                 $in_tag = TRUE;
  894.             } else {
  895.                 if ($lt_pos < $gt_pos) {
  896.                     $in_tag = FALSE;
  897.                 } else {
  898.                     $in_tag = TRUE;
  899.                 }
  900.             }
  901.         } elseif ($lt_pos !== FALSE && $gt_pos === FALSE) {
  902.             if ($pInTag) {
  903.                 $in_tag = TRUE;
  904.             } else {
  905.                 $in_tag = FALSE;
  906.             }
  907.         } elseif ($lt_pos === FALSE && $gt_pos !== FALSE) {
  908.             $in_tag = TRUE;
  909.         } else {
  910.             if ($pInTag) {
  911.                 $in_tag = TRUE;
  912.             } else {
  913.                 return $rString = $string;
  914.             }
  915.         }
  916.         
  917.         $tmpString = NULL;
  918.         for ($i = 0; $i < $string_length; $i++) {
  919.             if ($string{$i} != '<' && $string{$i} != '>') {
  920.                 if (!$in_tag) {
  921.                     $tmpString .= $string{$i};
  922.                 }
  923.             } elseif ($string{$i} == '<') {
  924.                 if (!is_null($tmpString)) {
  925.                     $rString .= $tmpString;
  926.                 }
  927.                 $in_tag = TRUE;
  928.             } else {
  929.                 if (!is_null($tmpString)) {
  930.                     $tmpString = NULL;
  931.                 }
  932.                 $in_tag = FALSE;
  933.             }
  934.         }
  935.         if (!is_null($tmpString)) {
  936.             $rString .= $tmpString;
  937.             $tmpString = NULL;
  938.         }
  939.         
  940.         if ($rString == "") {
  941.             $rString = NULL;
  942.         }
  943.         
  944.         return $rString;
  945.         
  946.     }
  947.     
  948.     
  949.     /**
  950.      * コンテンツ文字列からのHTMLのコメント部分をすべて除いた文字列の取得
  951.      * 
  952.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う</p>
  953.      * @return string  HTMLコメント部分が除かれた文字列(空文字列の場合はNULLを返す)
  954.      * @access  public
  955.      */    
  956.     function getRemoveHTMLComments() {
  957.     
  958.         $rString = NULL;
  959.         $string = $this->getNormarizedString();
  960.         $string_length = strlen($string);
  961.         $c_bgn_pos = strpos($string, '<!--', 0);
  962.         $c_end_pos = -3;
  963.         while ($c_bgn_pos !== FALSE) {
  964.             if ($c_bgn_pos > $c_end_pos + 3) {
  965.                 $rString .= substr($string, $c_end_pos + 3, $c_bgn_pos - ($c_end_pos + 3));
  966.             }
  967.             $pre_c_end_pos = $c_end_pos;
  968.             $c_end_pos = strpos($string, '-->', $c_bgn_pos + 4);
  969.             if ($c_end_pos !== FALSE) {
  970.                 $c_bgn_pos = strpos($string, '<!--', $c_end_pos + 3);
  971.             } else {
  972.                 $lt_pos = strpos($string, '<', $c_bgn_pos + 4);
  973.                 if ($lt_pos !== FALSE) {
  974.                     $c_end_pos = $lt_pos - 1;
  975.                     $c_bgn_pos = strpos($string, '<!--', $c_end_pos);
  976.                 } else {
  977.                     $c_bgn_pos = FALSE;
  978.                 }
  979.             }
  980.         }
  981.         
  982.         $rString .= substr($string, $c_end_pos + 3, $string_length - ($c_end_pos + 3));
  983.  
  984.         if (empty($rString)) {
  985.             $rString = NULL;
  986.         } elseif ($rString == "&nbsp;") {
  987.             $rString = NULL;
  988.         } elseif (preg_match("/^([\s]+)$/", $rString)) {
  989.             $rString = NULL;
  990.         }
  991.         
  992.         return $rString;
  993.         
  994.     }
  995.     
  996.     
  997.     /**
  998.      * コンテンツ文字列からのHTMLのコメント部分のみの文字列の取得
  999.      * 
  1000.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う</p>
  1001.      * @return string  HTMLコメント部分文字列(空文字列の場合はNULLを返す)
  1002.      * @access  public
  1003.      */
  1004.     function getHTMLComments() {
  1005.     
  1006.         $rString = NULL;
  1007.         $string = $this->getNormarizedString();
  1008.         $string_length = strlen($string);
  1009.         
  1010.         $block_info = $this->getPartialBlock('<!--', '-->', 0);
  1011.         while (!is_null($block_info[0])) {
  1012.             $rString .= $block_info[0];
  1013.             $block_info = $this->getPartialBlock('<!--', '-->', $block_info[1]);
  1014.         }
  1015.         
  1016.         return $rString;
  1017.         
  1018.     }
  1019.     
  1020.     
  1021.     /**
  1022.      * コンテンツ文字列からの指定タグ要素("<tag_name"と"</tag_name>"で挟まれる部分)文字列の取得
  1023.      * 
  1024.      * <p>コンテンツ文字列が正規化されていない場合には，正規化を行う<br/>
  1025.      * tag_nameの大文字・小文字の区別はしない</p>
  1026.      * @param  string $pTag  タグ名文字列
  1027.      * @return  string  指定タグの要素である文字列(指定タグ見つからない場合はNULL)
  1028.      * @access  public
  1029.      */    
  1030.     function getTagElement($pTag = NULL) {
  1031.         
  1032.         $rElement = NULL;
  1033.         $string = $this->getNormarizedString();
  1034.         
  1035.         if (!is_null($pTag)) {
  1036.             $pTag = strtolower($pTag);
  1037.             $start_tag_pos = mb_strpos(strtolower($string), '<' . $pTag, 0, $this->_encoding) + 1;
  1038.             $end_tag_pos = mb_strpos(strtolower($string), '</' . $pTag . '>', $start_tag_pos, $this->_encoding);
  1039.             if ($start_tag_pos > mb_strlen($pTag, $this->_encoding) && $end_tag_pos > $start_tag_pos) {
  1040.                 $rElement = trim(mb_substr($string, $start_tag_pos, $end_tag_pos - $start_tag_pos, $this->_encoding));
  1041.             }
  1042.         }
  1043.         
  1044.         return $rElement;
  1045.         
  1046.     }
  1047.     
  1048.     
  1049.     /**
  1050.      * コンテンツ文字列から2つの指定文字列で挟まれる部分の抽出
  1051.      * 
  1052.      * <p>すべて1バイト文字として扱う点に注意<br/>
  1053.      * コンテンツ文字列が正規化されていない場合には，正規化を行う<br/>
  1054.      * 指定文字列に対する抽出において，大文字・小文字の区別はしない</p>
  1055.      * @param  string  $pString  抽出元文字列
  1056.      * @param  string  $pStart   抽出開始部分を決めるための文字列(NULLの場合は，抽出元文字列の1文字目から抽出対象となる)
  1057.      * @param  string  $pEnd     抽出終了部分を決めるための文字列(NULLの場合は，抽出元文字列の最終文字までが抽出対象となる)
  1058.      * @param  integer $pOffset  抽出元文字列のうち抽出開始対象とする位置を指定する(0オリジン)
  1059.      * @return string  抽出された文字列(該当する抽出箇所がない場合 : NULL)
  1060.      * @access  private
  1061.      */
  1062.     function _getPartialBlock($pString, $pStart, $pEnd, $pOffset) {
  1063.     
  1064.         $rBlock = NULL;
  1065.         $pString_length = strlen($pString);
  1066.         
  1067.         if (0< $pOffset && $pOffset < $pString_length){
  1068.             $pString = substr($pString, $pOffset, $pString_length - $pOffset);
  1069.         } elseif ($pOffset <= 0) {
  1070.             $pOffset = 0;
  1071.         } else {
  1072.             return $rBlock;
  1073.         }
  1074.         if (is_null($pStart)) {
  1075.             $start_pos = 0;
  1076.             $start_length = 0;
  1077.         } else {
  1078.             $start_pos = strpos(strtolower($pString), strtolower($pStart), 0);
  1079.             $start_length =strlen($pStart);
  1080.         }
  1081.         if ($start_pos === FALSE) {
  1082.             return $rBlock;
  1083.         }
  1084.         $start_pos = $start_pos + $start_length;
  1085.         if (is_null($pEnd)) {
  1086.             $end_pos = strlen($pString);
  1087.             $end_length = 0;
  1088.         } else {
  1089.             $end_pos = strpos(strtolower($pString), strtolower($pEnd), $start_pos);
  1090.             $end_length =strlen($pEnd);
  1091.         }
  1092.         
  1093.         if ($end_pos > $start_pos) {
  1094.             $rBlock = trim(substr($pString, $start_pos, $end_pos - $start_pos));
  1095.         }
  1096.         
  1097.         return $rBlock;
  1098.     
  1099.     }
  1100.     
  1101.     
  1102. }
  1103.  
  1104. /** 
  1105.  * This Program is distributed under version 1.0 of the Rinza Public
  1106.  * License Agreement, that is bundled with this package in the file
  1107.  * LICENSE, and is available through the website at the following URL:
  1108.  * http://www.tyzoh.jp/rinza/licenses/LICENSE-1.0.txt.
  1109.  * 
  1110.  * This is the Original Program.
  1111.  * The Initial Developer of the Original Program is Nihon Unisys, Ltd.
  1112.  * The Original Program is copyrighted (C) 2006-2007 by Nihon Unisys, Ltd. with
  1113.  * all rights reserved.
  1114.  * There is NO WARRANTY OF ANY KIND by the Initial Developer of the
  1115.  * Original Program.
  1116.  */
  1117.  
  1118. ?>
Documentation generated on Fri, 09 Nov 2007 14:01:38 +0900 by phpDocumentor 1.4.0