如何使用 PHP 获取网站的最终、重定向、规范 URL？

Question

在链接缩短器和 Ajax 时代，可能有许多链接最终指向相同的内容。我想知道获得 PHP 网站的最终、最佳链接的最佳方法是什么，希望有一个库。我在 Google 或 GitHub 上找不到任何内容。

我已经看过这个示例代码，但它不处理诸如 rel="canonical" 元标记或默认 ssl 端口之类的事情： http://w-shadow.com/blog/2008/07/05/how-to-get-redirect-url-in-php/

Facebook 似乎处理得很好，你可以看到他们如何遵循 301 和 rel="canonical" 等。要查看 Facebook 处理方式的示例，请使用他们的 Open Graph 工具：

https://developers.facebook.com/tools/debug

并输入以下链接：

http://dlvr.it/xxb0W
https://twitter.com/#!/twitter/statuses/136946408275193856

是否有一个 PHP 库已经预先构建了这个库，它将检查这些标头，解析 301 重定向，解析 rel="canonical"，检测重定向循环并正确获取最佳结果 URL 来使用？

作为替代方案，我对可以使用的 API 持开放态度，但更喜欢在我自己的服务器上运行的 API。

Answer 1

由于我找不到任何真正能实现我想要的功能的库，并且我希望做的不仅仅是遵循 HTTP 重定向，因此我继续创建了一个可以实现目标的库，并在 MIT 下发布了它执照。您可以在这里获取它：

https://github.com/mattwright/URLResolver.php

URLResolver。 php 是一个 PHP 类，它尝试将 URL 解析为最终的规范链接：

• 遵循 HTTP 标头中找到的 301 和 302 重定向
• 遵循 Open Graph URL在网页
  中找到的标签
• 遵循规范 URL网页中发现的标签
• 如果内容类型不是 HTML 页面，则快速中止下载

我当然不是 HTTP 重定向规则方面的专家，因此，如果有人对如何改进此库有建议，我会不胜感激。我已经对数千个 URL 进行了测试，效果似乎相当不错。我听从了 Mario 的建议，并在需要时使用了 PHP Simple HTML Parser 库。

Answer 2

使用 Guzzle（一个众所周知且强大的 HTTP 客户端），您可以这样做：

<?php
use Guzzle\Http\Client as GuzzleClient;
use Guzzle\Plugin\History\HistoryPlugin;

public function resolveUrl($url)
{
    $client   = new GuzzleClient($url);
    $history  = new HistoryPlugin();
    $client->addSubscriber($history);

    $response = $client->head($url)->send();

    if (!$response->isSuccessful()) {
        throw new \Exception(sprintf("Url %s is not a valid URL or website is down.", $url));
    }

    return $response->getEffectiveUrl();
}

Answer 3

我给你写了一个小函数来做到这一点。这很简单，但它可能是您的起点。注意：http://dlvr.it/xxb0W url 返回其 Location 响应标头的无效 URL。

您需要 Altumo PHP 库才能使其工作。这是我写的一个库，但它是 MIT 许可证，这个函数也是如此。

请参阅： https://github.com/homer6/altumo

另外，您必须包装该函数在尝试/捕获中。

/**
* Gets the final URL of a URL that will be redirected.
* 
* @param string $url_string
* @throws \Exception                    //on error
* @return string
*/
function get_final_url( $url_string ){

    while( 1 ){

        //validate URL
            $url = new \Altumo\String\Url( $url_string );

        //get the Location response header of the URL
            $client = new \Altumo\Http\OutgoingHttpRequest( $url_string );
            $response = $client->sendAndGetResponseMessage();
            $location = $response->getHeader( 'Location' );

        //return the URL if no Location header was found, else continue
            if( is_null($location) ){
                return $url_string;
            }else{
                $url_string = $location;
            }

    }

}

echo get_final_url( 'your url here' );

如果您需要进一步修改或帮助实现它，请告诉我。