[文章采集] 請問如何補全url?

diychen

請問一下我在做采集的時候有些圖片或者文章地址是相對路徑,怎么辦呢?

當然,我可以取新聞列表頁URL加相對地址..
但是更多時候比如:
新聞列表頁URL為:http://www.aaa.com/aaa/bb/news.html
然后圖片相對地址為
../../images/tt.jpg

這時候我該怎么辦呢?

而且更多的時候可能情況更復雜,不知道大家在遇到這樣的問題的時候有什么好的解決方法?

peng1000cn

這個問題好，，頂。。

關系到頁面里的地址如何處理。。

HonestQiao

原帖由 "diychen" 發(fā)表：
請問一下我在做采集的時候有些圖片或者文章地址是相對路徑,怎么辦呢?

當然,我可以取新聞列表頁URL加相對地址..
但是更多時候比如:
新聞列表頁URL為:http://www.aaa.com/aaa/bb/news.html
然后圖片相對地址為
..........

更多得時候，難道相對路徑就不起作用了？
還是可以再基礎路徑上多次../../../../的。

hightman

版主, LZ的意思應該是把頁面抓下來以后, 碰到圖片無法顯示時想尋找解決辦法.

這個我覺得可以在讀取網(wǎng)頁內(nèi)容時用正則表達式進行匹配判斷,然后替換...

lnux

這個問題不好辦，我以前用 outlook 發(fā)送網(wǎng)頁時，發(fā)現(xiàn)網(wǎng)頁中的圖片是相對路徑的，就無法顯示。

HonestQiao

1. 
   
2. $strBaseUrl = "[當前頁面的網(wǎng)頁地址的路徑部分(去掉最后的文件名成)]";
   
3. $strDist = preg_replace('/([src|href])=([\'"])(?!http:\/\/)(.+?)(.+?)([\'"])/', '$1=$2'.$strBaseUrl.'$3$4', $strSource);
   

復制代碼

以上針對：
src='xxxxx'
src="xxxxx"
href='xxxxx'
href="xxxxx"
且其中的網(wǎng)址，不以http://開頭

HonestQiao

1. 
   
2. <?php
   
3. $strSource = "src='../../../images/test.gif'";
   
4. $strBaseUrl = "http://www.test.com/";
   
5. $strDist = preg_replace('/([src|href])=([\'"])(?!http:\/\/)(.+?)(.+?)([\'"])/', '$1=$2'.$strBaseUrl.'$3$4', $strSource);
   
6. echo $strDist;
   
7. 
   
8. print "\n";
   
9. 
   
10. $strSource = "src='http://www.test.com/images/test.gif'";
    
11. $strBaseUrl = "http://www.test.com/";
    
12. $strDist = preg_replace('/([src|href])=([\'"])(?!http:\/\/)(.+?)(.+?)([\'"])/', '$1=$2'.$strBaseUrl.'$3$4', $strSource);
    
13. echo $strDist;
    
14. ?>;
    

復制代碼

----------php Complier ----------
Content-type: text/html
X-Powered-By: PHP/4.4.0

src='http://www.test.com/../../../images/test.gif
src='http://www.test.com/images/test.gif'
輸出完成 (耗時 0 秒) - 正常終止

powerpolly

相對路徑有什么關系，比如現(xiàn)在http://www.a.com/b/c/index.html文件中有圖片鏈接為<img src="../../imgs/a.gif">;，你要取圖片是嗎，你可能想方設法用絕對路徑來表示：http://www.a.com/imgs/a.gif，其實可以直接在后面加，http://www.a.com/b/c/../../imgs/a.gif。這樣有什么問題嗎？

hightman

還個應該試試用preg_replace 里 /x 修正符, 針對 ".../.../" 和當前的 URL 判斷層次數(shù), 然后再返回應有的URL

YourEyes

版主：
如果它沒有引號如何處理？

如：
<img src=a.gif>;