如何从网页中获取内部链接？

Question

我用来XPath解析 HTML 网页以获取所有内部链接。DOMXPath将返回 中提供的所有链接href。如何区分内部链接和外部链接？

我引入了一系列字符串检查来删除外部链接；但问题是有不同的方法来链接内部页面，例如

    page.html
    /page.html
    http://domain.com/page.html
    http://subdomain.domain.com/page.html
    ....

区分内部链接（指向当前域（包括其子域）的任何链接）和外部链接（指向任何其他域）的最安全方法是什么。

Answer 1

使用substr()查看前 4 个字符是否为 http。

如果是，则使用parse_url()函数检查主机是否相同。如果没有，那就是内部的了。