PHP文章采集URL补全函数(FormatUrl)
前端之家收集整理的这篇文章主要介绍了
PHP文章采集URL补全函数(FormatUrl)，
前端之家小编觉得挺不错的，现在分享给大家，也给大家做个参考。
写采集必用的函数，URL补全函数，也可叫做FormatUrl。
写此函数作用就是为了开发采集程序，采集文章的时候会经常遇到页面里的路径是 “相对路径” 或者 “绝对根路径” 不是“绝对全路径”就无法收集URL。 所以，就需要本功能函数进行对代码进行格式化，把所有的超链接都格式化一遍，这样就可以直接收集到正确的URL了。 路径知识普及
相对路径：“../” “./” 或者前面什么都不加
绝对根路径：/path/xxx.html
绝对全路径：http://www.xxx.com/path/xxx.html
使用实例：
<div class="codetitle"><a style="CURSOR: pointer" data="61137" class="copybut" id="copybut61137" onclick="doCopy('code61137')"> 代码如下:
<div class="codebody" id="code61137">
<?
PHP $surl="//www.jb51.cc/";
$gethtm = '<a href="/index.htm">首页<a href="Resolvent/index.htm">解决方案';
echo formaturl($gethtm,$surl);
?>
输出：<a href="//www.jb51.cc/index.htm">首页<a href="//www.jb51.cc/Resolvent/index.htm">解决方案
--------- 演示实例 ------------
原始路径
代码：
http://www.newnew.cn/newnewindex.aspx 输出演示
代码：
http://www.maifp.com/aaa/test.
PHP 以下是
函数代码 <div class="codetitle">
<a style="CURSOR: pointer" data="52851" class="copybut" id="copybut52851" onclick="doCopy('code52851')"> 代码如下: <div class="codebody" id="code52851">
<?
PHP function formaturl($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,$l2){
if(preg_match("/(.
)(href|src)\=(.+?)( |\/>|>)./i",$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($path[0]=="\"){$path="";}
$pos = strpos($I1,"#");
if($pos>0) $I1 = substr($I1,$pos);
//判断类型
if(preg_match("/^(http|https|ftp):(\/\/|\\)(([\w\/\+-~
@:%])+\.)+([\w\/\\\.\=\?\+\-~@\':!%#]|(&)|&)+/i",$I1)){return $l1; }//http开头的url类型要跳过
elseif($I1[0]=="/"){$I1 = $l3.$I1;}//
绝对路径 elseif(substr($I1,3)=="../"){//相对路径
while(substr($I1,3)=="../"){
$I1 = substr($I1,strlen($I1)-(strlen($I1)-3),strlen($I1)-3);
if(strlen($path)>0){
$path = dirname($path);
}
}
$I1 = $l3.$path."/".$I1;
}
elseif(substr($I1,2)=="./"){
$I1 = $l3.$path.substr($I1,strlen($I1)-(strlen($I1)-1),strlen($I1)-1);
}
elseif(strtolower(substr($I1,7))=="mailto:"||strtolower(substr($I1,11))=="javascript:"){
return $l1;
}else{
$I1 = $l3.$path."/".$I1;
}
return str_replace($I2,"\"$I1\"",$l1);
}
?>
