Umbrüche und Vorschübe in Seitenquellcode mit PHP erkennen

[JochenT]

Hallo
ich arbeite momentan an einem Script mit dem ich bestimmte Inhalte aus dem Quellcode einer Website parsen und anzeigen möchte.
Mein Problem dabei ist, dass teilweise Zeilenumbrüche und Tab-Vorschübe im Quellcode sind, von denen ich nicht weiß, wie ich sie beim Analysieren berücksichtigen kann.

Ein Beispiel dafür könnte so aussehen:

<div>
        Text1<br/>
        <br/>
</div>
Text2

Den Code lese ich - einfach beschrieben - folgendermaßen aus:

  
$code = file_get_contents("http://www.beispiel.com");  
echo htmlspecialchars($code);  

Als Test lasse ich mir nun einmal den Code anzeigen und sehe, dass der HTML code von oben dann etwa so aussieht: <div> Text1<br/> <br/> </div> Text2.

Wenn ich jetzt beim Parsen beispielsweise eine Stelle suche an der 2 <br/> Tags aufeinanderfolgen funktioniert das scheinbar nicht so ohne weiteres. Eine Suche nach "<br/> <br/>" bleibt ohne Ergebnis, da hinter dem ersten <br/> ja zunächst ein Umbruch und danach noch ein Vorschub erfolgt.

Meine Frage auf den Punkt gebracht also: Wie kann ich in so einem Beispiel die Umbrüche und Vorschübe beim Durchsuchen des Textes erkennen?

[Fabienne]

Hi Jochen,

$code = file_get_contents("http://www.beispiel.com");
echo htmlspecialchars($code);

> Meine Frage auf den Punkt gebracht also: Wie kann ich in so einem Beispiel die Umbrüche und Vorschübe beim Durchsuchen des Textes erkennen?  
  
Mit einem regulären Ausdruck zwischen den beiden <br />-Tags: [ \t\r\n]  
  
Beste Grüße  
Fabienne

[suit]

Mit einem regulären Ausdruck zwischen den beiden <br />-Tags: [ \t\r\n]

Zawinski dislikes this :p

Wie wär es mit einem XML- oder HTML-Parser? SimpleXML, Simple HTML DOM usw.