|
|
寫此函數(shù)作用就是為了開發(fā)采集程序，采集文章的時(shí)候會(huì)經(jīng)常遇到頁面里的路徑是 “相對(duì)路徑” 或者 “絕對(duì)根路徑” 不是“絕對(duì)全路徑”就無法收集URL。
所以，就需要本功能函數(shù)進(jìn)行對(duì)代碼進(jìn)行格式化，把所有的超鏈接都格式化一遍，這樣就可以直接收集到正確的URL了。
路徑知識(shí)普及
相對(duì)路徑：“../” “./” 或者前面什么都不加
絕對(duì)根路徑：/path/xxx.html
絕對(duì)全路徑：http://www.xxx.com/path/xxx.html
使用實(shí)例：
復(fù)制代碼 代碼如下:
<?php
$surl="http://www.jb51.NET/";
$gethtm = '<a href="/index.htm">首頁</a><a href="Resolvent/index.htm">解決方案</a>';
echo formaturl($gethtm,$surl);
?>
輸出：<a href="http://www.jb51.NET/index.htm">首頁</a><a href="http://www.jb51.NET/Resolvent/index.htm">解決方案</a>
--------- 演示實(shí)例 ------------
原始路徑代碼：http://www.newnew.cn/newnewindex.ASPx
輸出演示代碼：http://www.maifp.com/aaa/test.php
以下是函數(shù)代碼
復(fù)制代碼 代碼如下:
<?php
function formaturl($l1,$l2){
if (preg_match_all("/(<img[^>]+src=/"([^/"]+)/"[^>]*>)|(<a[^>]+href=/"([^/"]+)/"[^>]*>)|(<img[^>]+src='([^']+)'[^>]*>)|(<a[^>]+href='([^']+)'[^>]*>)/i",$l1,$regs)){
foreach($regs[0] as $num => $url){
$l1 = str_replace($url,lIIIIl($url,$l2),$l1);
}
}
return $l1;
}
function lIIIIl($l1,$l2){
if(preg_match("/(.*)(href|src)/=(.+?)( |///>|/>).*/i",$l1,$regs)){$I2 = $regs[3];}
if(strlen($I2)>0){
$I1 = str_replace(chr(34),"",$I2);
$I1 = str_replace(chr(39),"",$I1);
}else{return $l1;}
$url_parsed = parse_url($l2);
$scheme = $url_parsed["scheme"];if($scheme!=""){$scheme = $scheme."://";}
$host = $url_parsed["host"];
$l3 = $scheme.$host;
if(strlen($l3)==0){return $l1;}
$path = dirname($url_parsed["path"]);if($path[0]=="http://"){$path="";}
$pos = strpos($I1,"#");
if($pos>0) $I1 = substr($I1,0,$pos);
//判斷類型
if(preg_match("/^(http|https|ftp):(////|////)(([/w/////+/-~`@:%])+/.)+([/w/////./=/?/+/-~`@/':!%#]|(&)|&)+/i",$I1)){return $l1; }//http開頭的url類型要跳過
elseif($I1[0]=="/"){$I1 = $l3.$I1;}//絕對(duì)路徑
elseif(substr($I1,0,3)=="../"){//相對(duì)路徑
while(substr($I1,0,3)=="../"){
$I1 = substr($I1,strlen($I1)-(strlen($I1)-3),strlen($I1)-3);
if(strlen($path)>0){
$path = dirname($path);
}
}
$I1 = $l3.$path."/".$I1;
}
elseif(substr($I1,0,2)=="./"){
$I1 = $l3.$path.substr($I1,strlen($I1)-(strlen($I1)-1),strlen($I1)-1);
}
elseif(strtolower(substr($I1,0,7))=="mailto:"||strtolower(substr($I1,0,11))=="Javascript:"){
return $l1;
}else{
$I1 = $l3.$path."/".$I1;
}
return str_replace($I2,"/"$I1/"",$l1);
}
?>
下面的鏈接是學(xué)習(xí)php正則表達(dá)式的地方。在這里留個(gè)鏈接，防止丟失。。。
php技術(shù)：PHP文章采集URL補(bǔ)全函數(shù)(FormatUrl)，轉(zhuǎn)載需保留來源！
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請(qǐng)第一時(shí)間聯(lián)系我們修改或刪除，多謝。
