Question

我正在使用简单HTML DOM抓取某些网站的链接，但是我遇到了许多网站使用相对链接而不是完整网址的问题。

所以会发生的事情是我抓取链接并将它们直接输出到我的网站上，但每个链接都会导致 www.mydomain.com/somearticle 而不是 www.crawleddomain.com / somearticle 。

我做了一些挖掘，我发现了BASE tag。由于我从多个站点爬行，我不能只为我的网站设置一个基本标签，因为它会从输出更改为输出。所以我一直在搜索只有某个div的基本标签。我偶然发现了this answer。

但是，我尝试手动包含如下所示的基本网址，但这不起作用：

echo ('http://www.baselink.com/' . strip_tags($post, '<p><a>'));

我还尝试使用correct_urls($html, $baseurl);函数的第二个选项，但显然不存在。

有没有办法在PHP的for循环中更改基本URL（或将其附加到）相对URL？

Here is the output

这是我正在使用的代码：

<div class='rcorners1'>
<?php
include_once('simple_html_dom.php');

$target_url = "http://www.buzzfeed.com/trending?country=en-us";

$html = new simple_html_dom();

$html->load_file($target_url);

$posts = $html->find('ul[class=list--numbered trending-posts trending-posts-now]');
$limit = 10;
$limit = count($posts) < $limit ? count($posts) : $limit;
for($i=0; $i < $limit; $i++){
  $post = $posts[$i];
  $post->find('div[class=trending-post-text]',0)->outertext = "";
  echo strip_tags ($post, '<p><a>');  
}
?>
</div>
</div>

Answer 1

您需要a library that converts relative hrefs to absolute

然后执行以下操作：

include_once('phpuri.php');

$uri = phpUri::parse($target_url);

foreach($html->find('a[href]') as $a){
  $a->href = $uri->join($a->href);
}

更改已爬网链接的基本URL

1 个答案: