更改已爬网链接的基本URL

Question

我正在从一些具有简单HTML DOM的网站上爬取链接，但是我遇到了很多网站使用相对链接而不是完整URL的问题。

因此，发生的事情是我搜寻了这些链接，并将它们直接输出到我的网站上，但是每个链接都指向www.mydomain.com/somearticle而不是www.crawleddomain.com/somearticle 。

我做了一些挖掘，发现了BASE标签 。 由于我从多个站点进行爬网，因此我不能只为我的网站设置基本标记，因为它会随着输出的变化而变化。 因此，我正在搜索仅具有特定div的基本标签。 我偶然发现了这个答案 。

但是，我尝试手动添加如下所示的基本url，但这没有用：

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

我还尝试了第二种方法， correct_urls($html, $baseurl);的correct_urls($html, $baseurl); 功能，但显然不存在。

有没有办法在PHP的for循环中将基本URL更改（或附加）到相对URL？

这是输出

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

您需要一个将相对href转换为绝对href的库

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);
}