Seite "einlesen" und "verarbeiten" ?

[Massenhysterie]

Hi
Zur Zeit beschäftige ich mich mit dem Einlesen von Homepages und deren Verarbeitung... noch nicht lange, aber ich tu's halt.
Ich mach das zur Zeit so:

<?php
$Seite = 'http://www.google.de';

$Read = implode('',file($Seite));

echo $Read;
?>

Damit bekomme ich ja den kompletten HTML Code einer Homepage.
Jedoch wenn in der Homepage relative Links / sonstiges benutzt wird, dann haut das nicht hin, weil der die Daten dann aufm localhost / wo auch immer ich das benutz - sucht..
Ich hab schon probiert mit str_replace('href=/','href='.$Seite.'/',$Read); das zu "umgehen", aber das funktioniert nicht so wie ich es mir gedacht hatte, da es zu komplikationen mit Links wie href="lol.php" oder href="../lol/" kommt...

Kennt jemand ne bequemere Lösung für mein Problem? Oder hat jemand schonmal ne Funktion oder aehnliches dafür geschrieben, und kann sie mir zufaellig zukommen lassen?

MfG & Danke für die Hilfe...

[penizillin]

http://www.php-faq.de/q/q-regexp-links-absolut.html

[Massenhysterie]

Ops.. ich hab bei Google nur komische Sachen gefunden....

Thx..^^

EDIT:

Tested, und failed..

Bei nem <link ... CSS ändert der den relativen Pfad nicht.. hab das genaue Beispiel übernommen, nur halt die URL geändert... :/

[penizillin]

hausaufgabe: finde heraus warum und ergänze das skript.

[Massenhysterie]

Schon fertig... :P
Externe JS funktionieren auch nicht...

<?php
// Datei über HTTP aufrufen
$url = 'http://www.server.de/test.php';
$old = implode('', file($url));

// Links suchen und an absolute() weiterleiten
$new = preg_replace(',<a([^>]+)href="([^>"\s]+)",ie',
    '"<a\1href=\"" . absolute("\2", $url) . "\""',
    $old);
$new = preg_replace(',<link([^>]+)href="([^>"\s]+)",ie',
    '"<link\1href=\"" . absolute("\2", $url) . "\""',
    $new);
$new = preg_replace(',<script([^>]+)src="([^>"\s]+)",ie',
    '"<script\1src=\"" . absolute("\2", $url) . "\""',
    $new);

// HTML-Code ausgeben
echo $new;

// Funktion, die relative in absolute Links umschreibt
function absolute ($relative, $absolute) {

    // Link ist schon absolut
    if (preg_match(',^(https?://|[url]ftp://[/url]|mailto:|news:),i', $relative))
        return $relative;

    // parse_url() nimmt die URL auseinander
    $url = parse_url($absolute);

    // dirname() erkennt auf / endende URLs nicht
    if ($url['path']{strlen($url['path']) - 1} == '/')
        $dir = substr($url['path'], 0, strlen($url['path']) - 1);
    else
        $dir = dirname($url['path']);

    // absoluter Link auf dem gleichen Server
    if ($relative{0} == '/') {
        $relative = substr($relative, 1);
        $dir = '';
    }

    // Link fängt mit ./ an
    elseif (substr($relative, 0, 2) == './')
        $relative = substr($relative, 2);

    // Referenzen auf höher liegende Verzeichnisse auflösen
    else while (substr($relative, 0, 3) == '../') {
        $relative = substr($relative, 3);
        $dir = substr($dir, 0, strrpos($dir, '/'));
    }

    // volle URL zurückgeben
    return sprintf('%s://%s%s/%s', $url['scheme'], $url['host'], $dir, $relative);
}
?>

Vllt wärs auch eleganter gegangen, hab jedoch von reg.expressions keine Ahnung..


mfG

(Oder hat jmd von euch noch Verbesserungsvorschläge )