检测和编辑外部链接答案

【问题标题】：Detect and edit external links检测和编辑外部链接
【发布时间】：2011-10-14 18:27:09
【问题描述】：

我想说我知道关于 SO 的类似问题，但由于我的情况略有不同，我认为最好提出一个新问题。我确实搜索了一个小时，我可能错过了一些东西，如果是这样，请原谅我。

问题：我正在开发一个类似于 facebook 的功能：用户可以发布一条可能包含多个链接的文本消息，这些链接可能会或很多不会放在锚标签中，并且可能有不同的协议（http、https , ftp,....)

我需要

检测这些链接并可能尝试检索它们（就像 facebook 一样）。我猜这是 jquery 的任务？
我还需要可靠地检测外部链接并将其更改为 mysite.com/external?url=thelink。我相信哪个是 php 的任务（因为我不能相信来自客户端的输入对吗？）

无论如何，由于链接不能保证在锚标记中，使用 dom 解析器似乎不太可靠（或者我错了）？我在网上找到了一个简单的正则表达式（顺便说一句，我觉得我可以使用正则表达式）（通过添加更多协议）

$strText = preg_replace( '/(http|ftp)+(s)?:(\/\/)((\w|\.)+)(\/)?(\S+)?/i', '<a href="\0">\4</a>', $strText );

可以请一些有此任务经验的专家指出正确的方向吗？

【问题讨论】：

标签： php jquery regex url

【解决方案1】：

是的，这绝对是您想要在服务器端执行的操作。首先，如果您接受包含 HTML 标记的用户输入，您应该使用像 HTML Purifier 这样的良好 HTML 过滤器对其进行清理。（这也将使他们的输入更容易解析为更复杂的标记。）

这个应该在单个 preg_replace() 语句中是可行的，但我会将它拆分成这样的：

$hrefPattern = '/<a[^>]+?href="(.+?)".*?>/i';

$outLink = 'http://mysite.com/external?url=';

$offset = 0;
while(preg_match($hrefPattern, $text, $hrefMatches, PREG_OFFSET_CAPTURE, $offset))
{

    $hrefInner = $hrefMatches[1][0];
    $offset = $hrefMatches[1][1];
    echo $hrefInner . "\r\n";

    if(strpos($hrefInner, '://') !== false)
    {
        $externalUrl = $outLink . rawurlencode($hrefInner);
        $text = str_replace($hrefInner, $externalUrl, $text);
        $offset += strlen($externalUrl);
    }

}

preg_match() documentation 很好地解释了这一点。我们基本上只是查找每个<a ... href=""> 标签，抓取它的内容，如果它以(anything):// 开头，则重新格式化它，然后重复直到$text 中没有更多链接。如果你重新格式化链接，你需要rawurlencode()你抓取的链接，以确保新链接是valid。

我想，Facebook 为它的链接 sn-ps 抓取内容的方式比这要复杂得多，但是是的 - 您希望向抓取相关链接的 PHP 页面发送 AJAX 请求并生成您想要的任何 sn-p。这相当有点多，不过，如果页面不存在、重定向到另一个页面、标记无效、文档类型不同等等，你必须处理。 p>

希望有帮助！

【讨论】：