Question

我正在寻找一种从字符串中获取有效网址的方法：

$string = 'http://somesite.com/directory//sites/9/my_forms/3-895a3e/somefilename.jpg|:||:||:||:|19845';

我原来的解决方案是：

preg_match('#^[^:|]*#', str_replace('//', '/', $string), $modifiedPath);

但显然它会从http：//中删除斜杠而不是字符串中间的斜杠。

我想要的原始输出是：

http://somesite.com/directory/sites/9/my_forms/3-895a3e/somefilename.jpg

我总是可以先断开字符串的http部分，但如果可能的话，希望以正则表达式形式提供更优雅的解决方案。感谢。

Answer 1

这将完全符合您的要求：

 <?php

$string = 'http://somesite.com/directory//sites/9/my_forms/3-895a3e/somefilename.jpg|:||:||:||:|19845';

preg_match('/^([^|]+)/', $string, $m); // get everything up to and NOT including the first pipe (|)
$string = $m[1];

$string = preg_replace('/(?<!:)\/\//', '/' ,$string); // replace all occurrences of // as long as they are not preceded by :

echo $string; // outputs: http://somesite.com/directory/sites/9/my_forms/3-895a3e/somefilename.jpg

exit;

 ?>

修改

正则表达式中的
(?<!X)是所谓的lookbehind的语法。 X被我们正在测试的字符替换。

以下表达式将匹配双斜杠（/）的每个实例：

\/\/

但是我们需要确保我们正在寻找的匹配前面没有：字符，所以我们需要'lookbehind'我们的匹配以查看：字符是否存在。如果是，那么我们不希望它被算作匹配：

(?<!:)\/\/

！是什么说不匹配我们的lookbehind。如果我们将其更改为(?=:)\/\/，那么它只会匹配在它们之前具有：的双斜杠。

这是一个快速教程，可以比lookahead and lookbehind tutorial
更好地解释它

Answer 2

假设你所有的字符串都是给定的形式，你不需要任何但最简单的正则表达式来做到这一点;如果你想要一个优雅的解决方案，那么正则表达式肯定不是你需要的。此外，双斜线在URL中是合法的，就像在Unix路径中一样，并且意味着单个斜杠的作用相同，因此您根本不需要完全删除它们。

为什么不

$url = array_shift(preg_split('/\|/', $string));

如果您真的非常关心删除URL中的双斜线，那么您可以按照

进行操作

$url = preg_replace('/([^:])\/\//', '$1/', $url);

甚至将它们组合成

$url = preg_replace('/([^:])\/\//', '$1/', array_shift(preg_split('/\|/', $string)));

虽然最后一种形式有点毛茸茸。

Answer 3

由于这是一个非常严格定义的情况，我认为只有一个preg是最优雅的解决方案。

从头到尾：

$sanitizedURL = preg_replace('~((?<!:)/(?=/)|\\|.+)~', '', $rawURL);

基本上，它的作用是查找任何前面的斜杠，它不是以冒号（:)开头，而后面跟着bij另一个正斜杠。它还会搜索任何管道字符及其后面的任何字符。

找到的任何内容都会从结果中删除。

如果您愿意，我可以更详细地解释RegEx。

正则表达式清理网址

3 个答案: