Question

我收到格式为html的文本。我想限制锚标记的网址只能从我的域名替换旧链接“xxx”（或smth'其他）。
输入：“<a href='otherdomain'>text</a>”
输出：“xxx”
我正在使用正则表达式实现这一点，虽然我有点困在这里：

$pattern ='/<a.*href=[\'|\"]http.?:\/\/[^mydomain.*\"\']*[\'|\"].*<\/a>/i';
$replace ='xxx';
echo preg_replace($pattern, $replace, $string);

这里有什么问题？

Answer 1

当你执行[^mydomain.*\"\']时，你说“匹配任何字符，除了字面'm'，'y'，'d'，'o'，...，'。'，'*'等

尝试类似：

#<a [^>]*\bhref=(['"])http.?://((?!mydomain)[^'"])+\1 *>.*?</a>#i

注意：

我将您的a.*href转为a [^>]*\bhref，以确保'a'和'href'是完整的单词，并且正则表达式与多个标签不匹配。
我将正则表达式分隔符更改为“＃”而不是“/”，因此您不必再逃避/
请注意((?!mydomain)[^'"])+。这意味着“匹配[^'”] +不是mydomain“。(?!被称为负面预测。
请注意\1。这可以确保URL的结束引号与开始引号相同（请参阅第一组括号捕获['"]？）。如果你愿意的话，没有它你可能没问题。

对于PHP（更新，因为我总是在需要在PHP中转义反斜杠时混淆 - 请参阅下面的@ GlitchMr评论）：

$pattern = '#<a [^>]*\bhref=([\'"])http.?://((?!mydomain)[^\'"])+\1 *>.*?</a>#i';

在行动here中查看，您可以根据自己的需要进行调整。

Answer 2

这是我正在使用的代码的一部分。它正在使用用户函数来更改正则表达式挖出的文本。祝你好运：）

class RedirectLinks {
    /**
     * Callback used by convert_external_links_to_internal on each url found
     *
     * @param array $matches
     * @return string
     */
    public static function urlMatchCallback($matches)
    {
        if (stripos($matches[1], 'http://') === false ||
            stripos($matches[1], 'example.com') !== false
            ) {
            return $matches[0]; // do not modify
        }
        // encrypt url for redirection          
        $sURL = $matches[1];
        return "href=\"#\" onclick=\"showmessage('$sURL');\"";
    }

    /**
     * Converts external links in text to internal ones
     *
     * @param string $str - text
     * @return the processed text
     */
    public static function convertExternalLinksToInternal($str) {
        // convert external links to internal redirections
        $str = preg_replace_callback("/href=\"([^\"]*)\"/is", 'RedirectLinks::urlMatchCallback', $str);

        return $str;    
    }
}

Answer 3

（虽然没有理由不解释某事。）

如果你想匹配'除了'之外的任何东西，那么你通常想要使用一个断言;在你的情况下negative lookahead assertion：

 (?!mydomain\.com).*?

这将匹配.*?任何内容，但是在它之前的不允许值。

另请注意：

应该是[\"\']而不是[\'|\"]。替代标志在字符类中没有意义。
.*通常应该.*?不能过于宽泛地匹配。
[^>]*是标记内匹配的常用习惯用法。
您可以使用其他分隔符#<a...*>#i代替/以避免转义。

Answer 4

[]是字符集合运算符。

，你的模式会更容易理解

$pattern ='!<a\s.*?\shref\s*=\s*([\'"])https?:://mydomain.*?\1.*?</a>!is';

注意：

我用空格分隔了令牌
交换了正则表达式引用字符以避免\/
使用后引用匹配引号。

正则表达式删除到另一个域的链接

4 个答案: