快捷導(dǎo)航

PHP文章采集URL補(bǔ)全函數(shù)(FormatUrl)

更新時(shí)間：2012年08月02日 22:46:27 作者：

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

寫采集必用的函數(shù)，URL補(bǔ)全函數(shù)，也可叫做FormatUrl。
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://m.fzitv.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://m.fzitv.net/index.htm">首頁</a><a href="http://m.fzitv.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($path[0]=="\\"){$path="";} 
$pos = strpos($I1,"#"); 
if($pos>0) $I1 = substr($I1,0,$pos); 
//判斷類型 
if(preg_match("/^(http|https|ftp):(\/\/|\\\\)(([\w\/\\\+\-~`@:%])+\.)+([\w\/\\\.\=\?\+\-~`@\':!%#]|(&amp;)|&)+/i",$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); 
} 
?> 