PHP 正则表达式匹配特定 URL 并去除其他

Question

我编写此函数是为了将所有特定的 URL(mywebsite.com) 转换为链接，并将其他 URL 剥离为@@@spam@@@。

function get_global_convert_all_urls($content) {
  $content = strtolower($content);
  $replace = "/(?:http|https)?(?:\:\/\/)?(?:www.)?(([A-Za-z0-9-]+\.)*[A-Za-z0-9-]+\.[A-Za-z]+)(?:\/.*)?/im";
  preg_match_all($replace, $content, $search);
  $total = count($search[0]);
  for($i=0; $i < $total; $i++) {
  $url = $search[0][$i];
    if(preg_match('/mywebsite.com/i', $url)) {
      $content = str_replace($url, '<a href="'.$url.'">'.$url.'</a>', $content);            
    } else {
      $content = str_replace($url, '@@@spam@@@', $content); 
    }
  } 

  return $content;
}

我唯一无法解决的问题是，如果一行中有 2 个 URL，正则表达式不会以 space 结尾。

$content = "http://www.mywebsite.com/index.html http://www.others.com/index.html";

结果：

<a href="http://www.mywebsite.com/index.html http://www.others.com/index.html">http://www.mywebsite.com/index.html http://www.others.com/index.html</a>

我怎样才能得到下面的结果：

<a href="http://www.mywebsite.com/index.html">http://www.mywebsite.com/index.html</a> @@@spam@@@

我试过在正则表达式的末尾添加这个 (\s|$) 但没有成功：

/(?:http|https)?(?:\:\/\/)?(?:www.)?(([A-Za-z0-9-]+\.)*[A-Za-z0-9-]+\.[A-Za-z]+)(?:\/.*)?(\s|$)/im

Answer 1

根据您的问题进行了编辑。

问题出在正则表达式末尾的 .* 上，所以我的建议是用更精确的表达式替换它。我很快就把它煮熟了，你会想要一些测试来验证你的案例。 =)

$matches = null;
$returnValue = preg_match_all('!(?:http|https)?(?:\:\/\/)?(?:www.)?(([A-Za-z0-9-]+\.)*[A-Za-z0-9-]+\.[A-Za-z]+)(:[a-zA-Z0-9]*)?/?([a-zA-Z0-9\-\._\?\,\\'/\\\+&%\$#\=~])*[^\.\,\)\(]!', 'mywebsite.com/index.html others.com/index.html', $matches);

结果：

array (
  0 => 
  array (
    0 => 'mywebsite.com/index.html ',
    1 => 'others.com/index.html',
  ),
  1 => 
  array (
    0 => 'mywebsite.com',
    1 => 'others.com',
  ),
  2 => 
  array (
    0 => '',
    1 => '',
  ),
  3 => 
  array (
    0 => '',
    1 => '',
  ),
  4 => 
  array (
    0 => 'l',
    1 => 'm',
  ),
)

Answer 2

将正则表达式 (?:\/.*)? 的最后一个元素更改为 \S*。

您的正则表达式匹配每个字符，直到字符串结尾，包括 spaces，\S* 匹配每个不是 space 的字符。

您还可以将整个正则表达式简化为：

$replace = "~(?:https?://)?(?:www\.)?(([A-Z0-9-]+\.)*[A-Z0-9-]+\.[A-Z]+)\S*~im";

Answer 3

更改正则表达式模式以捕获最后的 url 部分（/index.html、/index.php）。

/(?:http|https)?(?:\:\/\/)?(?:www.)?(([A-Za-z0-9-]+?\.)?[A-Za-z0-9-]+?\.?[A-Za-z]*?(\/\w+?\.\w+?)?)\b/im

更改您的功能内容，如下所示：

$content = "http://www.mywebsite.com/index.html http://www.others.com/index.html";

function get_global_convert_all_urls($content) {
  $content = strtolower($content);
  $replace = "/(?:http|https)?(?:\:\/\/)?(?:www.)?(([A-Za-z0-9-]+?\.)?[A-Za-z0-9-]+?\.?[A-Za-z]*?(\/\w+?\.\w+?)?)\b/im";
  preg_match_all($replace, $content, $search);

  foreach ($search[0] as $url) {
    if(preg_match('/mywebsite.com/i', $url)) {
      $content = str_replace($url, '<a href="'.$url.'">'.$url.'</a>', $content);         
    } else {
      $content = str_replace($url, '@@@spam@@@', $content); 
    }
  } 

  return $content;
}

var_dump(get_global_convert_all_urls($content));

输出：

string '<a href="http://www.mywebsite.com/index.html">http://www.mywebsite.com/index.html</a> @@@spam@@@'

PHP 正则表达式匹配特定 URL 并去除其他

PHP regex match specific URL and strip others

php

regex

url

preg-match-all

preg-match