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)候會經(jīng)常遇到頁面里的路徑是相對路徑或者絕對根路徑不是絕對全路徑就無法收集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)候會經(jīng)常遇到頁面里的路徑是 “相對路徑” 或者 “絕對根路徑” 不是“絕對全路徑”就無法收集URL。

所以，就需要本功能函數(shù)進(jìn)行對代碼進(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。

路徑知識普及
相對路徑：“../” “./” 或者前面什么都不加
絕對根路徑：/path/xxx.html
絕對全路徑：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.dhdzp.com/"; 
$gethtm = '<a href="/index.htm">首頁</a><a href="Resolvent/index.htm">解決方案</a>'; 
echo formaturl($gethtm,$surl); 
?> 

輸出：<a href="http://www.dhdzp.com/index.htm">首頁</a><a href="http://www.dhdzp.com/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;}//絕對路徑 
elseif(substr($I1,0,3)=="../"){//相對路徑 
while(substr($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); 
} 
?> 