由于需要我做了个函数，实现取得页面连接放到数组里
思路：1，取得静态+不带参数的：
htm html asp php jsp cgi
a，包含绝对路径的处理：直接取得
preg_match_all （）？
b，包含相对路径的，路径得到处理参数:
根据情况（. 或 .. ）处理得到绝对路径
2，取得带参数的：
3,经过筛选：选择了一些可以读的后缀比如asp，php，html等
连接重复的进行删除。
4，直接运行代码就把 落伍者论坛 » 网站建设专栏
第一页面的连接拿下来到数组＄e中，＄e[o][0]为第一个连接；＄e[o][1]为第2个
| Code: | | <?
＄e=clinchgeturl("http://im286.com/forumdisplay.php?fid=1");
var_dump(＄e);
function clinchgeturl(＄url)
{
//＄url="http://127.0.0.1/1.htm";
//＄rootpath="http://fsrootpathfsfsf/yyyyyy/";
//var_dump(＄rrr);
if(eregi('(.)*[\.](.)*',＄url)){
＄roopath=split("\/",＄url);
＄rootpath="http://".＄roopath[2]."/";
＄nnn=count(＄roopath)-1;for(＄yu=3;＄yu<＄nnn;＄yu++){＄rootpath.=＄roopath[＄yu]."/";}
// var_dump(＄rootpath); //http: ,'',127.0.0.1,xnml,index.php
}
else{＄rootpath=＄url;//var_dump(＄rootpath);
}
if(isset(＄url)){
echo "＄url 有下列裢接：<br>";
＄fcontents = file(＄url);
while(list(,＄line)=each(＄fcontents)){
while(eregi('(href[[:space:]]*=[[:space:]]*"?[[:alnum:]:@/._-]+[\?]?[^\"]*"?)',＄line,＄regs)){
//＄regs[1] = eregi_replace('(href[[:space:]]*=[[:space:]]*\"?)([[:alnum:]:@/._-]+)(\"?)',"\\2",＄regs[1]);
＄regs[1] = eregi_replace('(href[[:space:]]*=[[:space:]]*[\"]?)([[:alnum:]:@/._-]+[\?]?[^\"]*)(\.*)[^\"\/]*([\"]?)',"\\2",＄regs[1]);
if(!eregi('^http:\/\/',＄regs[1])){
if(eregi('^\.\.',＄regs[1])){
// ＄roopath=eregi_replace('(http:\/\/)?([[:alnum:]:@/._-]+)[[:alnum:]+](\.*)[[:alnum:]+]',"http:\/\/\\2",＄url);
＄roopath=split("\/",＄rootpath);
＄rootpath="http://".＄roopath[2]."/";
//echo "这是根本d ："."\n";
＄nnn=count(＄roopath)-1;for(＄yu=3;＄yu<＄nnn;＄yu++){＄rootpath.=＄roopath[＄yu]."/";}
//var_dump(＄rootpath);
if(eregi('^\.\.[\/[:alnum:]]',＄regs[1])){
//echo "这是../目录/ ："."\n";
//＄regs[1]="../xx/xxxxxx.xx";
// ＄rr=split("\/",＄regs[1]);
//for(＄oooi=1;＄oooi<count(＄rr);＄oooi++)
＄rrr=＄regs[1];
// {＄rrr.="/".＄rr[＄oooi];
＄rrr = eregi_replace("^[\.][\.][\/]",'',＄rrr); //}
＄regs[1]=＄rootpath.＄rrr;
}
}else{
if(eregi('^[[:alnum:]]',＄regs[1])){ ＄regs[1]=＄rootpath.＄regs[1]; }
else{ ＄regs[1] = eregi_replace("^[\/]",'',＄regs[1]);＄regs[1]=＄rootpath.＄regs[1];}
}
}
＄line = ＄regs[2];
if(eregi('(.)*[\.](htm|shtm|html|asp|aspx|php|jsp|cgi)(.)*',＄regs[1])){
＄out[0][]=＄regs[1]; }
}
}
}for (＄ouou=0;＄ouou<count(＄out[0]);＄ouou++)
{
if(＄out[0][＄ouou]==＄out[0][＄ouou+1]){
＄sameurlsum=1;
//echo "sameurlsum=1:";
for(＄sameurl=1;＄sameurl<count(＄out[0]);＄sameurl++){
if(＄out[0][＄ouou+＄sameurl]==＄out[0][＄ouou+＄sameurl+1]){＄sameurlsum++;}
else{break;}
}
for(＄p=＄ouou;＄p<count(＄out[0]);＄p++)
{ ＄out[0][＄p]=＄out[0][＄p+＄sameurlsum];}
}
}
＄i=0;
while(＄out[0][++＄i]) {
//echo ＄root.＄out[0][＄i]."\r\n";
＄outed[0][＄i]=＄out[0][＄i];
}
unset(＄out);
＄out=＄outed; return ＄out;
}
?> |
|
|
