Félicitations.

Indique [Résolu] dans ton titre.

Et voilà c'est parfait !

[code]
function crawl($url, $limite=0, $lvl=0)
{
$code_brute = crawlcurl($url);
$doc = new DOMDocument();
$doc->loadHTML($code_brute);
$balise_a = $doc->getElementsByTagName('a');

foreach($balise_a as $balise)
{
$href = $balise->getAttribute('href');
if( !in_multi_array($href, $urls) && strstr($href, racine($url)) && !strstr($href, 'pdf') )
{
$ecurls[] = $href;
$urls[] = array('lvl' => "$lvl", 'parent' => $url, 'url' => $href);
}
}
for($i = 0; $i < count($ecurls); $i++)
{
if( $limite > 0 )
{
$crawl = crawl($ecurls[$i], ($limite - 1), ($lvl + 1));
$urls = array_merge($urls, $crawl);
}
}
$limite = ($limite - 1);
return $urls;
}
[/code]

Fonctionne parfaitement, enfin !
Merci de ton aide en tout cas. :) =D>

Intéressant!
Fais les tests et reviens-nous .

Je crois que j'ai réussi (plus ou moins) :

[code]
function crawl($url, $limite)
{
$code_brute = crawlcurl($url);
$doc = new DOMDocument();
$doc->loadHTML($code_brute);
$balise_a = $doc->getElementsByTagName('a');

foreach($balise_a as $balise)
{
$href = $balise->getAttribute('href');
if( !in_multi_array($href, $urls) && strstr($href, racine($url)) && !strstr($href, 'pdf') )
{
$ecurls[] = $href;
$urls[] = $href;
}
}
for($i = 0; $i < count($ecurls); $i++)
{
//echo $i . ' - ' . $urls[$i] . '<br>';
if( $limite > 0 )
{
$urls[] = crawl($ecurls[$i], ($limite - 1));
}
}
$limite = ($limite - 1);
return $urls;
}
[/code]

Merci pour le temps que tu m'accorde, voici le résultat :

[code]

Array
(
[0] => Array
(
[niv] =>
[adrs] => tel:0123456789
[orig] =>
)

[1] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com
[orig] =>
)

[2] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/
[orig] =>
)

[3] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/services
[orig] =>
)

[4] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/tarifs
[orig] =>
)

[5] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/reserver
[orig] =>
)

[6] => Array
(
[niv] =>
[adrs] => #
[orig] =>
)

[7] => Array
(
[niv] =>
[adrs] => #
[orig] =>
)

[8] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/reserver
[orig] =>
)

[9] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/gare-de-lyon
[orig] =>
)

[10] => Array
(
[niv] =>
[adrs] => http://www.jscourses.com/gare-de-lyon/taxi-moto-gare-de-lyon
[orig] =>
)

[11] => Array
(
[niv] =>
[adrs] =>
[orig] =>
)

[12] => Array
(
[niv] =>
[adrs] => http://www.foxinteractive.fr
[orig] =>
)

)
[/code]

Tout est bien rangé, mais le script ne va pas en profondeur, il scanne que la première page (niveau 0), et ne prend pas en compte le niveau de profondeur demandé.

À ces conditions, tu peux te permettre de redéfinir complètement ta fonction in_multi_array ou à détruire
Je crois - parce qu'un tableau créé par PHP est obligatoirement de taille finie - que tu n'auras pas de problème de cycle infini avec tes fonctions actuelles (sauf in_multi_array qui sera à réécrire ou détruire)

Tandis que tu y es, tu pourrais te mettre des indices faciles à travailler, ça produirait un tableau comme
[code]
Array
(
[0] => array('niv' => 0, 'adrs' => 'http://www.jscourses.com', 'orig' => '')
[1] => array('niv' => 1, 'adrs' => 'http://www.jscourses.com', 'orig' => 'http://www.jscourses.com/')
[2] => array('niv' => 1, 'adrs' => 'http://www.jscourses.com', 'orig' => 'http://www.jscourses.com/services')
[3] => array('niv' => 2, 'adrs' => 'http://www.jscourses.com/services', 'orig' => 'http://www.jscourses.com/tarifs')
[4] => array('niv' => 2, 'adrs' => 'http://www.jscourses.com/services', 'orig' => 'http://www.jscourses.com/reserver')
[5] => array('niv' => 0, 'adrs' => 'http://www.jscourses.com/gare-de-lyon'. 'orig' => '')
[6] => array('niv' => 0, 'adrs' => 'http://www.jscourses.com/gare-de-lyon/taxi-moto-gare-de-lyon','orig' => '')
[/code]

Voyons voir si ça marche:
[code]
function crawl($url, &$urls, $limite, $prof=0, $orig='') //un changement apporté ici
{
$code_brute = crawlcurl($url);
$doc = new DOMDocument();
$doc->loadHTML($code_brute);
$balise_a = $doc->getElementsByTagName('a');

foreach($balise_a as $balise)
{
$href = $balise->getAttribute('href');
// if( !in_multi_array($href, $urls) && strstr($href, racine($url)) && !strstr($href, 'pdf') )
// Nouveau centre de traitement
if (is_array($href)) {
foreach ($href as $ind => $val ) { crawl($val, $urls, $limite, ($prof+1), $orig); }
} else {
$urls[] = array('niv' => $niv, 'adrs' =>$href, 'orig' =>$orig);
}
}
return $urls;
}[/code]

C'est une bonne idée, mais j'ai besoin de savoir à quel lien appartiennent tels liens.

Peut-être :

[code]
Array
(
[0] => array(0, 'http://www.jscourses.com')
[1] => array(1, 'http://www.jscourses.com', 'http://www.jscourses.com/')
[2] => array(1, 'http://www.jscourses.com', 'http://www.jscourses.com/services')
[3] => array(2, 'http://www.jscourses.com/services', 'http://www.jscourses.com/tarifs')
[4] => array(2, 'http://www.jscourses.com/services', 'http://www.jscourses.com/reserver')
[5] => array(0, 'http://www.jscourses.com/gare-de-lyon')
[6] => array(0, 'http://www.jscourses.com/gare-de-lyon/taxi-moto-gare-de-lyon')
[/code]

Mais par contre, la fonction in_multi_array ne modifie pas mon tableau, elle vérifie uniquement si l'url en cours est déjà dans mon tableau ou pas (mais ça ne fonctionne pas je crois, surement à cause de ma structure du tableau actuel...).

Une chose de vérifiée: https://formatrice.wordpress.com/2008/05/16/tableau-obtenir-les-dimensions-sans-le-parcourir/
On ne peut faire autrement, pour connaître tout le tableau et ses dimensions (inégales ici), que de le parcourir récursivement.

As-tu vérifié si ta fonction in_multi_array est appelée ?

Et si ton tableau d'URL était structuré ainsi,

[code]
function in_multi_array($value, $array, $prof=0)
{
foreach ($array as $key => $item)
{
if (!is_array($item))
{
if ($item == $value) return true;
}
else
{
if (in_array($value, $item)) return true;
else if (in_multi_array($value, $item, ($prof+1))) return true;
}
}
return false;
}
[/code]


Tu pourrais alors avoir un tableau beaucoup plus facile à gérer s'il était ainsi

[code]
Array
(
[0] => array(0, 'http://www.jscourses.com')
[1] => array(1, 'http://www.jscourses.com/')
[2] => array(1, 'http://www.jscourses.com/services')
[3] => array(2, 'http://www.jscourses.com/tarifs')
[4] => array(2, 'http://www.jscourses.com/reserver')
[5] => array(0, 'http://www.jscourses.com/gare-de-lyon')
[6] => array(0, 'http://www.jscourses.com/gare-de-lyon/taxi-moto-gare-de-lyon')
[/code]
où la première valeur serait la profondeur. T'aurais alors un tableau presque plat, conservant l'information essentielle.

J'ai essayé, ça me donne rien d'intéressant, que ce que j'ai déjà.

Tiens, je pensais à cela, afin de « nettoyer » un peu tes résultats, peut-être pourrais-tu simplement faire un array_flip. Tes urls seraient automatiquement réduits à une occurrence et la valeur te fournirait la profondeur de la-dite adresse.

bref, as-tu vérifié si ta routine passe par ta fonction in_multi_array ? Insères-y des echo, des marqueurs qui te permettent de vérifier si la sous-routine est appelée.

Si elle n'est pas appelée, insère des echo affichant les variables qui sont vérifiées par ton if (!in_multi_array)
comme ceci:
[code]
$href = $balise->getAttribute('href');
echo 'Voici href = '.$href.'<br />';
echo 'Voici urls = '.$urls).'<br />';
echo 'Voici racine(url) = '.racine($url)).'<br />';
echo 'Voici est-ce un pdf = '. ((strstr($href, 'pdf') ) ? 'oui' : 'non').'<br />';

if( !in_multi_array($href, $urls) && strstr($href, racine($url)) && !strstr($href, 'pdf') )

[/code]

Non, car je recherche bien si la racine du site ext présent dans l'URL en question, par exemple :

[code]strstr('http://www.monsite.com/mapage.html', 'monsite.com');[/code]

N'empêche, ton test ne devrait-il pas être plutôt ainsi :
[code]
strstr(racine($url), $href)
[/code]

En fait, je fais des tests sur des sites qui ont des URLs absolues, donc avec la racine complète.

Si ça marche, ensuite je pense prendre ceux sans la racine (relatifs) et ajouter le préfix afin de les crawler... Donc le problème ne vient pas de là à mon avis.

Si ta fonction in_multi_array n'est pas appelée, il faut que tu te questionne sur la façon de l'appeler.
Quant moi, j'ai des doutes relativement à
[code]
strstr($href, racine($url))
[/code]
dans
[code]
if( !in_multi_array($href, $urls) && strstr($href, racine($url)) && !strstr($href, 'pdf') )
[/code]
Est-ce qu'une URL complète peut être dans sa racine?
La logique ne nous demanderait-elle pas l'inverse (que la racine se trouve dans l'URL complète ) ?