更改已爬網鏈接的基本URL

Question

我正在從一些具有簡單HTML DOM的網站上爬取鏈接，但是我遇到了很多網站使用相對鏈接而不是完整URL的問題。

因此，發生的事情是我搜尋了這些鏈接，並將它們直接輸出到我的網站上，但是每個鏈接都指向www.mydomain.com/somearticle而不是www.crawleddomain.com/somearticle 。

我做了一些挖掘，發現了BASE標簽 。 由於我從多個站點進行爬網，因此我不能只為我的網站設置基本標記，因為它會隨着輸出的變化而變化。 因此，我正在搜索僅具有特定div的基本標簽。 我偶然發現了這個答案 。

但是，我嘗試手動添加如下所示的基本url，但這沒有用：

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

我還嘗試了第二種方法， correct_urls($html, $baseurl);的correct_urls($html, $baseurl); 功能，但顯然不存在。

有沒有辦法在PHP的for循環中將基本URL更改（或附加）到相對URL？

這是輸出

這是我正在使用的代碼：

<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

您需要一個將相對href轉換為絕對href的庫

然后執行以下操作：

include_once('phpuri.php');

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

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