抓下来的网页网页里，图片地址是图片相对路径，比如 images/logo.png 或者 ../uploads/photo.jpg。相对你直接存进数据库，地址回头页面一换域名，网页图全裂。图片这问题不复杂，相对但处理不好能让你半夜爬起来改代码。地址

核心就一句话：把相对地址拼成绝对地址。网页但拼之前你得弄清楚——这个相对路径是图片相对于哪个基准的？

拿真实案例说。我爬某个新闻站，相对HTML 里写着 <img src="/upload/2024/01/abc.jpg">。地址注意开头有个斜杠，网页这叫根相对路径，图片意思是相对相对于域名根目录。这时候拼法很简单：https://目标域名 + src 就行。但麻烦的是另一种，像 <img src="images/pic.jpg"> 这种没斜杠的，它相对的是当前页面 URL 的目录。假设页面地址是 https://site.com/news/detail.php，那图片真实地址就是 https://site.com/news/images/pic.jpg，不是 https://site.com/images/pic.jpg。很多人栽在这。

我这有个更阴间的例子。某网站用 <base href="https://cdn.example.com/assets/"> 声明了全局基准。所有相对路径都指向那个 CDN。你要是傻乎乎用页面 URL 拼，全错。所以爬的时候得先查 HTML 里有没有 <base> 标签，有就优先用它当基准。

代码实现上，PHP 里我习惯这么干：

function resolveUrl($base, $rel) {  if (preg_match('#^https?://#i', $rel)) return $rel; // 已经是绝对地址 $parts = parse_url($base); $root = $parts['scheme'] . '://' . $parts['host']; if (isset($parts['port'])) $root .= ':' . $parts['port']; if ($rel[0] === '/') return $root . $rel; // 根相对 // 目录相对 $dir = isset($parts['path']) ? dirname($parts['path']) : '/'; return $root . $dir . '/' . $rel; }

这函数处理了三种情况。但你别急着抄，还有个坑——路径里的 ../。比如 ../images/a.jpg 从 /news/detail.php 出发，正确结果是 /images/a.jpg。上面那个简单拼接会得出 /news/../images/a.jpg。浏览器能解析，但你存数据库里看着难受，万一哪天做字符串匹配就出鬼了。要彻底解决得用栈来规范化路径。

我一般直接调 PHP 的 realpath()？不行，那是文件系统的。网上有现成的 RFC 3986 解析库，但为了爬虫引个库不值当。手写个循环处理 .. 也就十几行，网上搜"php resolve relative url"第一个结果就能用。

最后提醒一句——别忘了图片 URL 里的中文和空格。有些站图片名带中文，抓下来得 rawurlencode() 处理，不然存 MySQL 没事，输出到 HTML 浏览器自动编码，但你要是拿去请求下载就会 404。空格得编码成 %20，别直接拼。

改完地址，建议你顺手验证一下。写个循环用 get_headers() 测几个图片 URL，看返回 200 不。我上次爬了个站，图片路径带 session 验证，直接拼绝对地址访问是 403，后来发现得带 cookie。这种边缘情况，不实测永远发现不了。

处理完这些，图片地址就干干净净了。存库的存库，下载的下载，不会再出幺蛾子。