PHP版，文章采集URL补全函数：formaturl

HS英文文章发布系统 准备增加采集 所以收藏此函数

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：

1. <?php
   
2. $surl="http://www.7lian.com/";
   
3. $gethtm = '<a href="/index.htm">首页</a><a href="Resolvent/index.htm">解决方案</a>';
   
4. echo formaturl($gethtm,$surl);
   
5. ?>

复制代码

输出：<a href="http://www.7lian.com/index.htm">首页</a><a href="http://www.7lian.com/Resolvent/index.htm">解决方案</a>

1. 
   
2. <?php
   
3. function formaturl($l1,$l2){
   
4. if (preg_match_all("/(<img[^>]+src="([^"]+)"[^>]*>)|(<a[^>]+href="([^"]+)"[^>]*>)|(<img[^>]+src='([^']+)'[^>]*>)|(<a[^>]+href='([^']+)'[^>]*>)/i",$l1,$regs)){
   
5.      foreach($regs[0] as $num => $url){
   
6.       $l1 = str_replace($url,lIIIIl($url,$l2),$l1);
   
7.      }
   
8. }
   
9. return $l1;
   
10. }
    
11. function lIIIIl($l1,$l2){
    
12. if(preg_match("/(.*)(href|src)=(.+?)( |/>|>).*/i",$l1,$regs)){$I2 = $regs[3];}
    
13. if(strlen($I2)>0){
    
14.      $I1 = str_replace(chr(34),"",$I2);
    
15.      $I1 = str_replace(chr(39),"",$I1);
    
16. }else{return $l1;}
    
17. $url_parsed = parse_url($l2);
    
18. $scheme     = $url_parsed["scheme"];if($scheme!=""){$scheme = $scheme."://";}
    
19. $host     = $url_parsed["host"];
    
20. $l3      = $scheme.$host;
    
21. if(strlen($l3)==0){return $l1;}
    
22. $path     = dirname($url_parsed["path"]);if($path[0]==""){$path="";}
    
23. $pos     = strpos($I1,"#");
    
24. if($pos>0) $I1 = substr($I1,0,$pos);
    
25. 
    
26. //判断类型
    
27. if(preg_match("/^(http|https|ftp):(//|\\)(([w/\+-~`@:%])+.)+([w/\.=?+-~`@':!%#]|(&)|&)+/i",$I1)){return $l1; }//http开头的url类型要跳过
    
28. elseif($I1[0]=="/"){$I1 = $l3.$I1;}//绝对路径
    
29. elseif(substr($I1,0,3)=="../"){//相对路径
    
30.      while(substr($I1,0,3)=="../"){
    
31.       $I1 = substr($I1,strlen($I1)-(strlen($I1)-3),strlen($I1)-3);
    
32.       if(strlen($path)>0){
    
33.        $path = dirname($path);
    
34.       }
    
35.      }
    
36.      $I1 = $l3.$path."/".$I1;
    
37. }
    
38. elseif(substr($I1,0,2)=="./"){
    
39.      $I1 = $l3.$path.substr($I1,strlen($I1)-(strlen($I1)-1),strlen($I1)-1);
    
40. }
    
41. elseif(strtolower(substr($I1,0,7))=="mailto:"||strtolower(substr($I1,0,11))=="javascript:"){
    
42.      return $l1;
    
43. }else{
    
44.      $I1 = $l3.$path."/".$I1;
    
45. }
    
46. return str_replace($I2,""$I1"",$l1);
    
47. }
    
48. ?>

复制代码