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); } ?> 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。。。 (编辑:安卓应用网)
【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!
|