Нормализација на апсолутни патеки при парсирање во PHP

Кога се врши парсирање на веб-страници, обично треба да добиеме адреси на врски, патеки до слики, CSS и JavaScript датотеки.

За нашите цели би било погодно ако овие адреси содржат целосен URL заедно со името на доменот, отприлика вака:

<a href="http://targ.loc/dir/sub/page.html">text</a>

Во реалниот живот, сепак, името на доменот во патеките на веб-страницата обично се испушта и патеките изгледаат отприлика вака (со коса црта на почетокот):

<a href="/dir/sub/page.html">text</a>

Ајде да извршиме нормализација на таква патека. Нека во променливата ни се чува доменот до кој се обраќаме:

<?php
	$domain = 'http://targ.loc';
?>

Нека исто така сме ја извлекле патеката од href врската:

<?php
	$href = '/dir/sub/page.html';
?>

Ајде да ја извршиме нејзината нормализација:

<?php
	$norm = $domain . $href;
?>

Добијте ги сите href на страницата и извршете ја нивната нормализација:

<a href="/page.html">text</a>
<a href="/dir/page.html">text</a>
<a href="/dir/sub/page.html">text</a>

Добијте ги сите href на страницата и извршете ја нивната нормализација, каде што е потребно:

<a href="/page.html">text</a>
<a href="/dir/page.html">text</a>
<a href="/dir/sub/page.html">text</a>
<a href="http://targ.loc/dir/sub/page.html">text</a>

Добијте ги сите src на страницата и извршете ја нивната нормализација, каде што е потребно:

<img src="/img.png">
<img src="/images/img.png">
<img src="http://targ.loc/images/img.png">

Добијте ги сите патеки и извршете ја нивната нормализација:

<link rel="stylesheet" href="/styles.css">
<script src="/scripts.js"></script>

Добијте ги сите патеки и извршете ја нивната нормализација:

div {
	background: url('/images/img.png');
}

Добијте ги сите патеки и извршете ја нивната нормализација:

div {
	background: url(/img.png);
	background: url('/images/img.png');
	background: url("/images/img.png");
	background: url("http://targ.loc/images/img.png");
}