Mit regulären Ausdrücken Text und Links aus filtern

[hans77]

Hallo zusammen,

wie kann ich die Texte und Links aus folgende Verweisen extrahieren?
Mit "Texte" meine ich alles was zwieschen >test-mediaservice< oder >seiteb.de< steht.
Links, alles was im href="..." sich befindet.

  
  
<a href="http://www.seitea.com/index.php?option=com_content&amp;view=article&amp;id=21&amp;Itemid=36" target="_top"> test-daten-daten </a>  
  
<a href="http://www.seiteb.de/" target="_blank">www.seiteb.de</a>  
<a target="_blank" title="titelA, titelB, titelC, titelD, titelE, titelF" href="http://www.seiteb.de">&#130;seiteb.de&#146;</a>  
<a target="_blank" title="titelA" href="http://www.seiteb.de">seiteb.de</a>  
  
<a href="http://www.seitec.de/">www.seitec.de</a>  
  
<a target="_blank" title="TextA f&uuml;r TextB" href="http://www.seited.de">text - TextA f&uuml;r TextB</a>  
<a target="_blank" title="zum Beitrag auf seited.de" href="http://www.seited.de/seite1/aktueller-beitrag.html">www.seited.de/seite1/aktueller-beitrag.html</a>  
  
<a target="_blank" title="zu diesem Beitrag auf seited.de" href="http://www.seited.de/seite1/aktueller-beitrag.html"> nur ein text </a>  

Mit meinen Versuchen bin ich leider nicht weit gekommen :-(

Mit folgendem Ausdruck über preg_match:

  
  
http\:\/\/[a-z.\/\-|\?|\=|\&|\;|\_|\d]*  
  

finde ich nur die Links:

  
  
http://www.seitea.com/index.php?option=com_content&view=article&id=21&Itemid=36  
http://www.seiteb.de/  
http://www.seitec.de/  
http://www.seited.de/seite1/aktueller-beitrag.html  
http://www.seitee.de/seite1/aktueller-beitrag.html  // ja, zwei Mal  
  

Mit diesem Ausdruck finde ich leider noch weniger:

  
  
http:\/\/?([^\/]+).*[w]{3}.[a-z]*.[a-z][2}  
  

finde ich nur

  
  
http://www.seiteb.de/" target="_blank">www.seiteb.de  
http://www.seitec.de/">www.seitec.de  
http://www.seited.de/seite1/aktueller-beitrag.html">www.seited.de  
  

Leider auch nicht, was ich möchte.

Wie kann ich noch die Text finden?
Alles in einem Ausdruck zu vereinen.

Danke im Vorraus.

Grüße
hans77

[Alexander (HH)]

Moin Moin!

Vergiß REs, nimm einen HTML- oder XHTML-Parser.

Alexander