PHP实现文章采集URL补全函数(FormatUrl)的解决办法

内容摘要
这篇文章主要为大家详细介绍了PHP实现文章采集URL补全函数(FormatUrl)的简单示例，具有一定的参考价值，可以用来参考一下。
文章正文

这篇文章主要为大家详细介绍了PHP实现文章采集URL补全函数(FormatUrl)的简单示例，具有一定的参考价值，可以用来参考一下。

感兴趣的小伙伴，下面一起跟随php教程的小玲来看看吧！

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：

代码如下:

1
2
3
4
5
6
7
8
<code class="language-php"><?php
/*   php教程 www.512Pic.com   */
  
$surl="https://www.idcnote.com/";
$gethtm = '<a href="/index.htm">首页</a><a href="Resolvent/index.htm">解决方案</a>';
echo formaturl($gethtm,$surl);
?>
</code>
输出：<a href="https://www.idcnote.com/index.htm">首页</a><a href="https://www.idcnote.com/Resolvent/index.htm">解决方案</a>--------- 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

代码如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
<code class="language-php"><?php
/*   php教程 www.512Pic.com   */
  
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($path[0]=="\\"){$path="";}
$pos = strpos($I1,"#");
if($pos>0) $I1 = substr($I1,0,$pos);
//判断类型
if(preg_match("/^(http|https|ftp):(\/\/|\\\\)(([\w\/\\\+\-~`@:%])+\.)+([\w\/\\\.\=\?\+\-~`@\':!%#]|(&amp;)|&)+/i",$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($I1,0,3)=="../"){//相对路径
while(substr($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);
}
?>
</code>
下面的链接是学习PHP正则表达式的地方。在这里留个链接，防止丢失。。。

注：关于PHP实现文章采集URL补全函数(FormatUrl)的简单示例的内容就先介绍到这里，更多相关文章的可以留意
代码注释
上一篇php快速排序的三种用法下一篇php转换颜色为其反色的解决办法

作者：喵哥笔记

IDC笔记

学的不仅是技术，更是梦想！