Spider d'immagini

[jr1980]

Ciao a tutti, stò realizzando un piccolo spider d'immagini che scandaglia qualche sito selezionato ottenendo l'URL delle immagini stesse.

<?php

function getImageFromPage($url){
  $myVar = file_get_contents($url);
  
  $doc = new DOMDocument;
  $doc->loadHTML($myVar);
  
  $xpath = new DOMXPath($doc);
  
  $nodo = $xpath->query('//img[@src]');
  return $nodo;
}
$URL = "http://www.miosito.it/miadirectory/subdirectory";

$nodo = getImageFromPage($URL);
foreach ($nodo as $nodo){
    $imgsrc = $nodo->getAttribute('src');
	$imgalt = $nodo->getAttribute('alt');
	$path_parts = pathinfo($imgsrc);
	
	echo $imgsrc;
}
?>

Quando lo lancio e se nel cosice HTML in "src" è indicato l'URL completo funziona tutto a dovere. Il problema giunge se nel codice "src" vi è una posizione parziale tipo ../immagini/miaimmagine.jpg

In tal caso il sistema non riesce ad individuare la reale posizione dell'immagine nel web.

Qualche soluzione????

[Alhazred]

Con un str_replace() sostituisci .. con l'indirizzo base del sito, ad esempio www.sito.it, se ti dice bene la cartella immagini è nella root (di solito è così) ed hai il link corretto alle immagini.

[jr1980]

Originariamente inviato da Alhazred
Con un str_replace() sostituisci .. con l'indirizzo base del sito, ad esempio www.sito.it, se ti dice bene la cartella immagini è nella root (di solito è così) ed hai il link corretto alle immagini.

Già provato ... il problema è che ci sono delle eccezioni e in tal caso lo script sbaglia ...

Esempio ... indicizzo la pagina http://www.sito.it/miaprimacartella/...ella/index.php

Otterrò l'URL relativo dell'immagine : /img/immagine1.jpg

Con il metodo sopra specificato lo script indicizzerà l'immagine in www.miosito.it/img/immagine1.jpg

Purtroppo in tal modo sbaglierà ...

La soluzione sarebbe prendere la stringa contenete l'URL completo della pagina PHP e con PHP eliminare ciò che viene dopo l'ultimo /

In tal modo index.php verrebbe eliminato e la mia stringa sarebbe : http://www.sito.it/miaprimacartella/...ella/index.php

Il problema è .... Come faccio questa operazione???? Mi ricordo di averla già fatta ma non so più in che modo ....

[Alhazred]

Facile, usi strrpos($url, '/') che ti dice la posizione dell'ultimo slash, poi tagli la stringa con substr() dalla posizione trovata fino alla fine, così ti resta l'inizio senza index.php o chi per lui.