找到给定网址的基本href

Question

我正在修改一个简单的php抓取器脚本。

它使用的模块之一是将相对URL转换为绝对URL。

为此，我需要找到一种方法来确定给定网址的基本href。否则我最终会得到一堆错误转换的链接。

我需要一个简单的函数来检查一个url是否有一个基本的href标记，如果是，则返回它。

由于

Answer 1

parse_url()将网址拆分为其部分。你可以从中获得所需的东西。

Answer 2

我不知道你究竟是什么意思，但parse_url会给你很多信息，比如主机名，查询字符串等。

如果我理解正确，你就不知道你的网址中是否有http。信息parse_url返回的方案部分是你的朋友。如果scheme为空或与http不同，则表示您的URL中没有http。

在抓取工具内部，您开始抓取特定页面，并在我理解您的问题时解析该HTML。只需从parse_url信息中构建基本URL（不带路径），我就看不到任何问题。

Answer 3

  

我需要一个简单的函数来检查一个url是否有一个基本的href标记，如果是，则返回它。

网址不能包含基本href标记，因为它是HTML标记。它可能在您从该URL中检索的HTML中定义。如何阅读可以找到at this question。