如何从anchor href获取完全限定的URL？

Question

我在php中编写一个Web爬虫。给定当前URL以及指向绝对，相对和根URL的链接数组，如何确定每个链接的完全限定URL？

例如，我告诉我说我正在抓取网址：

http://www.example.com/path/to/my/file.html

网页包含的链接数组是：

array(
    'http://www.some-other-domain.com/',
    '../../',
    '/search',
);

如何确定每个链接的完全限定网址？我在这个例子中寻找的结果将分别是：

http://www.some-other-domain.com/
http://www.example.com/path/
http://www.example.com/search/

Answer 1

我认为最简单的方法是使用这样的库： http://www.electrictoolbox.com/php-resolve-relative-urls-absolute/

链接中的示例：

url_to_absolute('http://www.example.com/sitemap.html', 'aboutus.html');

解析为http://www.example.com/aboutus.html

或

url_to_absolute('http://www.example.com/content/sitemap.html', '../images/somephoto.jpg');

解析为http://www.example.com/images/somephoto.jpg