使用Simple HTML DOM将相对URL转换为绝对URL？

Question

当我从一些页面中抓取内容时，该脚本给出了一个相对URL。是否有可能通过Simple HTML DOM获取绝对URL？

Answer 1

编辑查看Gumbo的正确答案。这是一个简化的算法，可以在绝大多数情况下工作，但在某些情况下会失败。

肯定。这样做：

• 采取相对URL（即不与http://，https://启动一个URL，或其他任何协议，也不会/开始）。
• 取网页的网址。
• 从中删除查询字符串（如果有的话）。一个简单的方法是 ?左右，然后取结果数组的第一个元素（带索引0的元素或使用reset）。
  • 如果页面的URL以/结尾，请在其后附加相对URL，并且您有最终的URL。
  • 如果URL没有以/结尾，则取其dirname，然后附加相对URL。你现在有最终的网址。

Answer 2

除了@ Artefacto的答案，如果你是某个输出刮HTML，你可以简单地添加<base href="http://example.com">到文档的头，这将建立基本URL中的所有相对URL文件为指定href。看看http://www.w3schools.com/tags/tag_base.asp

Answer 3

我不认为Simple HTML DOM Parser可以做到这一点。

但是你可以自己做。首先，如果不另外声明，则需要区分作为文档URI的基本URI（请参阅BASE element）。比得到每个URI引用并应用algorithms to resolve a relative URI as described in RFC 3986（已经有类可以用于像PEAR package Net_URL2那样的类）。

因此，使用这两个类，你可以做这样的事情：

$uri = new Net_URL2('http://example.com/foo/bar'); // URI of the resource 
$baseURI = $uri; 
foreach ($html->find('base[href]') as $elem) { 
    $baseURI = $uri->resolve($elem->href); 
} 

foreach ($html->find('*[src]') as $elem) { 
    $elem->src = $baseURI->resolve($elem->src)->__toString(); 
} 
foreach ($html->find('*[href]') as $elem) { 
    if (strtoupper($elem->tag) === 'BASE') continue; 
    $elem->href = $baseURI->resolve($elem->href)->__toString(); 
} 
foreach ($html->find('form[action]') as $elem) { 
    $elem->action = $baseURI->resolve($elem->action)->__toString(); 
} 

重复替代含有一个URI像background，cite，classid，codebase，data，longdesc，profile任何其他属性和usemap（见index of attributes in HTML 4.01）。