гадгие ссылки 2 вида /path/qwe

Примерчик кода сегодня нарою, когда обед будет. Базовый УРИ - адрес, относительно которого рассчитываются все относительные адреса в документе.

По сути это адрес директории, в которой лежит документ. Например, конструкция ../index.php имеет смысл только в контексте известного базового адреса, например root.ru/dir/subdir/ - такая конструкция будет указывать на root.ru/dir/index.php, фактически сообщая браузеру, что надо взять базовый адрес, откусить от него последнюю папку и прилепить имя файла. Вот этому и надо научить робота. Но для этого он ДОЛЖЕН знать абсолютный адрес текущей страницы.

Так. Не нашел я старый вариант. Вот так приблизительно оно было:

function url_rel_to_abs($url, $base) {

$urltemplate =  "/(http:\/\/(?:www.)*[^\/]+)((?:[\/]\w+)+[\/](?![\/]))(.*)$/i";

preg_match_all($urltemplate, $base, $parts);

   /*

   В этом регэкспе делим УРЛ на 3 части: 

   1 - домен, без слеша на конце;

   2 - путь, с обоих сторон слеши

   3 - имя файла, т.е. все, что после последнего слеша

   */

   $host = $parts[1][0];

   $path = $parts[2][0];

   $file = $parts[3][0];

   if (!preg_match("/\.|\?/", $file) && !empty($file)) {

      //Если в имени файла нет точки или знака вопроса,

      //то это вероятно директория без завершающего слаша.

      //прилепляем к пути

      $path .= $file."/";

   }

   if (preg_match("/^[\/]/", $url)) {

      //Если ссылка начинается со слеша, считаем от корня,

      //т.е. просто добавляем эту ссылку к хосту

      return $host.$url;

   } elseif (preg_match("/^\.\.\//", $url)) {

      //Если ссылка начинается с ../ - считаем сколько раз такая конструкция 

      //встречается, и отрезаем от пути соответствующее кол-во директорий 

      //(переходим на столько директорий вверх в иерархии)

      preg_match_all("/\.\.\//", $url, $levels);

      foreach ($levels[0] as $lev) {

         $path = preg_replace("/(?<=[\/])\w+[\/]$/", "", $path);

      }

      return $host.$path.(preg_replace("/\.\.\//", "",$url));

   } elseif (preg_match("/^\.\//", $url) || preg_match("/^\w/", $url)) {

      //Если ссылка начинается с ./ (значит "текущий уровень иерархии") или 

      //не с управляющей конструкции, удаляем из нее ./ и добавляем в конец базового УРЛ

      return $host.$path.(preg_replace("/\.\//", "", $url));

   }

}

Эта функция берет относительную ссылку и абсолютный адрес страницы, на которой эта ссылка находится, возвращает ссылку в абсолютном формате.

Нет нормальной проверки валидности УРЛов, и вообще это все чисто схематически. Как-то так.

Ух, че-то я заморочился)

Вместо шаблона $urltemplate надо использовать вот такой:

$urltemplate = "/(http:\/\/(?:www.)*[^\/]+)((?:[\/]\w*)*[\/](?![\/]))*(.*)$/i";

А еще добавить вот так:

if (empty($path)) {$path = "/";}

после склеивания $path и $file, если $file не похож на файл или на query (для этого как раз там в шаблоне знак вопроса фигурирует, чтоб работать со ссылками вида root.ru/dir/?var=val

жаль...

скрипт написал, потом стал становится на такие вот грабли... начал рыть, потом верить в чудеса :)....

я немного подругому сделал...

я подавал на вход урл без базового... (ваша мысль с $base мне ольше нравится)

$host->{name} = например site.ru

$host->{www} = некоторый сайты не отвечают без www = поэтому приходится смотреть вдруг ссылка указана абсолютная да еще и с www

#

# analyseURL($url)

#

sub analyseURL

{

    $_[0] =~ s/\n//;

    my $url = $_[0];

    if ( substr($url, 0, 1) eq '#' || $url =~ /mailto:|javascript:/i )

    {

        return 0;

    }

    

    # search http:// or www. or http://www.

    if ( $_[0] =~ /^http:\/\/www\.|^http:\/\/|^www\./i )

    {

        if ( $_[0] =~ /^http:\/\/(www\.$host->{name})|(^http:\/\/$host->{name})|(^www\.$host->{name})/i )

        {

            if ( defined($1) || defined($3) )	# http://www.$host or www.$host

            {

                $host->{www} = "www.";

            }

            elsif ( defined($2) )			# http://$host

            {

                $host->{www} = "";

            }

            $_[0] =~ s/http:\/\///i;

            $_[0] =~ s/www\.//i;

        }

        else

        {

            return 2;

        }

    }

    # replace 'server' from url

    $_[0] =~ s/^$host->{name}//i;

    

    # if page not absolute

    if ( substr($_[0], 0, 1) ne '/' )

    {

        $query =~ /(.*\/)/i;

        $_[0] = $1.$_[0];

    }

    

    #if url contain ../

    $_[0] =~ s/[^\/]*?\/\.\.\//\//g;



    #if url contain ./

    $_[0] =~ s/\.\///g;

    #if url contain ////

    $_[0] =~ s/\/+/\//g;

    

    # replace SESSIONID

    $_[0] =~ s/\&/&/g;

    

    # replace navigate on page #name

    if ( $_[0] =~ /\#/ )

    {

        $_[0] =~ s/\#[0-9a-z_\-]+$//i;

        $_[0] =~ s/\#[0-9a-z_\-]+\?/?/i;

        $_[0] =~ s/\#[0-9a-z_\-]+\&/&/i;

    }

    $_[0] =~ s/\?$|\&$//;

    return 1;

}