Question

我正在研究某种现有的过滤器，它可以清理用户输入以避免XSS。可能我可以使用htmlspecialchars。但与此同时，我希望能够解析所有链接（应该匹配a.com，www.a.com和http://www.a.com，如果它是http://www.aaaaaaaaaaaaaaaaaaaaaaaaaa.com，那么它应该显示为aaa .. a.com），电子邮件和表情。

我想知道最好的方法是什么。我目前正在使用带有一些正则表达式的php函数，但很多时候正则表达式都失败了（因为链接识别不正确等）。我想要一些与谷歌聊天中使用的解析器非常相似的东西（甚至是a.com的工作）。

感谢您的时间。

Answer 1

一种简单的方法（尝试！）从字符串中获取链接是这样的：

$text = 'I am looking at some sort of existing filter which can sanitize 
the user input to avoid XSS. Probably I can use htmlspecialchars for that. 
But at the same time I want to be able to parse all links (should match 
a.com, www.a.com and http://www.a.com and if it is 
http://www.aaaaaaaaaaaaaaaaaaaaaaaaaa.com then it should display it 
as aaa..a.com), e-mails and smileys.

I am wondering what is the best way to go about it. I am currently using 
a php function with some regex, but many times the regex simply fails 
(because of link recognition is incorrect etc.). I want something very 
similar to the parser used during Google Chat (even a.com works).';

preg_match_all('/\S+\.(?:com|org|net)/i', $text, $urls);

print_r($urls);

产生：

Array
(
    [0] => Array
        (
            [0] => a.com
            [1] => www.a.com
            [2] => http://www.a.com
            [3] => http://www.aaaaaaaaaaaaaaaaaaaaaaaaaa.com
            [4] => aaa..a.com
            [5] => a.com
        )

)

在匹配（可能的！）网址后，您可以清理列表：即。删除像'aaa..a.com'这样的无效内容，并缩短非常长的网址，例如“http://www.aaaaaaaaaaaaaaaaaaaaaaaaaa.com”。

我不建议在一个庞大的，无法维护的正则表达式中塞满所有内容。分步进行。

祝你好运！

PS。不用说，你可以/应该自己扩展tld列表。（？：com | org | net）就是一个例子。

Answer 2

对于表情符号，您可能需要查看http://www.php.net/manual/en/book.bbcode.php（需要php 5.2.0或更高版本，除非您可以从PECL安装它）

过滤链接+表情符号的用户输入（段落）

2 个答案: