求用正则表达式把html的字符串里的链接,图片都变为绝对路径?

110来电 2009-08-13 08:47:07

比如
src="images/screenshots/3.jpg"
href="styles/sifrscreen.css"
<script src="scripts/functions.js"

如果是"images/" 替换为 "www.xxx.com/site1/images"
如果是"/images/" 替换为 "www.xxx.com/images"
如果是本身就是绝对地址,就不替换.

能解决的话,再给一百分,多谢了
顶者有分...

...全文

227 10 打赏收藏转发到动态举报

写回复

用AI写文章

10 条回复

切换为时间正序

请发表友善的回复…

发表回复

Youritumei_habataku 2011-11-11

打赏
举报

[Quote=引用 9 楼 jnkc 的回复:]
关键在于：html的head去加base用抓取网址，页面中所有自己的链接、资源一律写全网址。
还有，如果写域名，记得一定要把“http://”写上，否则浏览器会把域名当做文件夹处理的。
[/Quote]
那请问如果他抓取的网页网址是 http://www.sss.com/a.php
这样还管用吗

江南昆虫 2009-08-14

打赏
举报

关键在于：html的head去加base用抓取网址，页面中所有自己的链接、资源一律写全网址。
还有，如果写域名，记得一定要把“http://”写上，否则浏览器会把域名当做文件夹处理的。

江南昆虫 2009-08-14

打赏
举报

从你的目的性来看，你也可以换一种角度来做，根本不需要去替换。
你可以这样：



<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html xmlns="http://www.w3.org/1999/xhtml">

<head>

	<title>这里是标题</title>

	<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

	<script type="text/javascript" src="http://www.我自己的网址.com/myscript.js"></script>

	<base href="http://www.抓取的网址.com/site1/" />

</head>

<body>

<img src="http://www.我自己的网址.com/images/abc.jpg" />

<!-- 抓取的内容 开始 -->

<img src="images/screenshots/3.jpg" />

<link rel="stylesheet" type="text/css" href="styles/sifrscreen.css" />

<script src="scripts/functions.js"></script>

<img src="/images/screenshots/3.jpg" />

<link rel="stylesheet" type="text/css" href="/styles/sifrscreen.css" />

<script src="/scripts/functions.js"></script>

<!-- 抓取的内容 结束 -->

</body>

</html>

纠结的程序猿 2009-08-14

打赏
举报

下载PilotEdit 2.7, http://topic.csdn.net/u/20090723/07/33b39399-81ad-4fb1-a4a2-78509d2161a3.html

用下面的正则表达式查找替换（做两次替换）：
查找：{src|href}="{images|styles|scripts}
替换为：%01="www.xxx.com/%03
查找：{src|href}="/
替换为：%01="www.xxx.com/

假设原始文件为：
src="images/screenshots/3.jpg"
href="styles/sifrscreen.css"
<script src="scripts/functions.js"
src="/images/screenshots/3.jpg"
href="/styles/sifrscreen.css"
<script src="/scripts/functions.js"

将被转换为：
src="www.xxx.com/images/screenshots/3.jpg"
href="www.xxx.com/styles/sifrscreen.css"
<script src="www.xxx.com/scripts/functions.js"
src="www.xxx.com/images/screenshots/3.jpg"
src="www.xxx.com/styles/sifrscreen.css"
<script src="www.xxx.com/scripts/functions.js"

countstars 2009-08-14

打赏
举报

测试这个看看，赫赫

$str = file_get_contents('http://www.mozillaonline.com/');

$str = preg_replace('/(?<=src=[\'"])(?!(\/|http))/sm', 'http://www.mozillaonline.com/', $str);

$str = preg_replace('/(?<=src=[\'"])(?=\\/)/sm', 'http://www.mozillaonline.com', $str);

$str = preg_replace('/(?<=href=[\'"])(?!(\/|http))/sm', 'http://www.mozillaonline.com/', $str);

$str = preg_replace('/(?<=href=[\'"])(?=\\/)/sm', 'http://www.mozillaonline.com', $str);

echo $str;

countstars 2009-08-14

打赏
举报

多了个斜杠，小改了下

$str = '<img src="images/screenshots/3.jpg" />

<link href="styles/sifrscreen.css" />

<script src="scripts/functions.js" />

<img src="/images/aa.gif" />

';

$str = preg_replace('/(?<=src=[\'"])(?!(\/|http:))/sm', 'http://www.xxx.com/site1/', $str);

$str = preg_replace('/(?<=src=[\'"])(?=\\/)/sm', 'http://www.xxx.com', $str);

$str = preg_replace('/(?<=href=[\'"])(?!(\/|http:))/sm', 'http://www.xxx.com/site1/', $str);

$str = preg_replace('/(?<=href=[\'"])(?=\\/)/sm', 'http://www.xxx.com', $str);

echo $str;

countstars 2009-08-14

打赏
举报

$str = ' 

<img src="images/screenshots/3.jpg" />

<link href="styles/sifrscreen.css" />

<script src="scripts/functions.js" />

<img src="/images/aa.gif" />

';

$str = preg_replace('/(?<=src=[\'"])(?!(\/|http:))/sm', 'http://www.xxx.com/site1/', $str);

$str = preg_replace('/(?<=src=[\'"])(?=\\/)/sm', 'http://www.xxx.com/', $str);

$str = preg_replace('/(?<=href=[\'"])(?!(\/|http:))/sm', 'http://www.xxx.com/site1/', $str);

$str = preg_replace('/(?<=href=[\'"])(?=\\/)/sm', 'http://www.xxx.com/', $str);

110来电 2009-08-13

打赏
举报

[Quote=引用楼主 dingoishere 的回复:]
比如
src="images/screenshots/3.jpg"
href="styles/sifrscreen.css"
<script src="scripts/functions.js"

如果是"images/" 替换为 "www.xxx.com/site1/images"
如果是"/images/" 替换为 "www.xxx.com/images"
如果是本身就是绝对地址,就不替换.

[/Quote]
比如抓取的网站是www.abc.com,那么它的html里肯定有很多相对路径的图片和css拉
那么我想把它们变成绝对路径,以便能正常显示