Question

我使用simple_html_dom.php从网页获取href的所有值。这是我的代码：

<?php
    include_once('simple_html_dom.php');
    $url=$_GET['url']; //this is the target website address (for example, http://127.0.0.1/mysite/default.php?url=https://www.google.com)

    if($url){
        $html = file_get_html($url);
        foreach($html->find('a') as $e) {
            echo $e->href . '<br>';
        }
    }
?>

但问题是输出。输出如下：/about，/domains等，或//en.wikipedia.org，//ro.wikipedia.org等等。

如何将这些输出转换为标准网址，例如：http://www.example.com/about或https://www.example.com/page等？

Answer 1

/**
 * @param $href string URL To Convert
 * @param $base_url string Remote server's base url. Like wikipedia.org (without http or https)
 */
function convert_url($href, $base_url = NULL){
    $parse = parse_url($href);
    $host = array_key_exists('host', $parse) ? $parse['host'] : $base_url;
    $path = array_key_exists('path', $parse) ? $parse['path'] : '/';
    $queryStr = array_key_exists('query', $parse) ? '?'.$parse['query'] : '';
    $scheme = array_key_exists('scheme', $parse) ? $parse['scheme'].'://' : 'http://';
    return $scheme.$host.$path.$queryStr;
}

Answer 2

这样的事情：

include_once('simple_html_dom.php');
$url = isset($_GET['url']) ? $_GET['url'] : '';
$parsedUrl = parse_url($url);

if (!empty($parsedUrl['scheme']) && !empty($parsedUrl['host'])) {
    $html = file_get_html($url);
    foreach ($html->find('a') as $link) {
        $l = http_build_url($link->href, [
            'scheme' => $parsedUrl['scheme'],
            'host' => $parsedUrl['host']
        ]);
        echo $l . '<br>';
    }
}

有关详细信息，请参阅函数http_build_url的{{3}}。

如何从＆＃39; a＆＃39;中获得真正的链接。使用simple_html_dom.php标记？

2 个答案: