似乎找不到 URL 垃圾邮件删除器的可靠正则表达式答案

【问题标题】：Can't seem to find a solid regex for a URL spam remover似乎找不到 URL 垃圾邮件删除器的可靠正则表达式
【发布时间】：2012-07-20 21:23:35
【问题描述】：

我似乎找不到任何像样的简单正则表达式来删除垃圾邮件链接。我正在尝试的一个作品，但前提是 www.example.com 旁边没有句号和另一个句子。我有一本关于正则表达式的好书，但根本没有时间在 atm 学习所有内容。

这是我正在使用的正则表达式。老实说，我不确定我是否做得对。

        $a = $_POST['msge'];
    $b = preg_replace('^[a-zA-Z0-9\-\.]+\.(com|org|net|mil|edu|COM|ORG|NET|MIL|EDU)$^', '[LINK REMOVED]', $a);
    print $b;

所以，我想知道的是，如果代码看起来正确，是否有人有更好的正则表达式可供我使用？

【问题讨论】：

您要删除 any 链接吗？或者是否有一个特殊的规则来确定哪些链接是垃圾链接，哪些链接是火腿？
您的正则表达式当前仅在链接位于文件末尾时才找到链接（因为 $ 锚点）。此外，您最好不要使用^ 作为正则表达式分隔符，因为这是正则表达式中的重要元字符。如果您不想使用标准的/，最好使用~ 或%。
是的，我想删除任何链接，我的表单上不允许出现任何链接。
哦，谢谢蒂姆！它现在完美运行。你是上帝！
小心，正则表达式不会找到大量有效链接。

标签： regex url preg-replace

【解决方案1】：

蒂姆回答了我的问题。他写道：

您的正则表达式目前仅在文件末尾找到链接（因为 $ 锚）。此外，您最好不要使用 ^ 作为正则表达式分隔符，因为这是正则表达式中的一个重要元字符。如果您不想使用标准，最好使用 ~ 或 % /

【讨论】：

【解决方案2】：

它是 impossible to detect all links 在文本中可靠。特别是如果您想查找没有协议的链接（bit.ly/foo 等）。

您可以找到更多（但不是全部）链接

$result = preg_replace(
    '/\b
    (?:
     (?:https?|ftp|file):\/\/  # protocol (optional)
     |www\.|ftp\.|bit\.        # add more typical "link starters" here
    )
    [-A-Z0-9+&@#\/%=~_|$?!:,.]*
    [A-Z0-9+&@#\/%=~_|$]
    /ix', 
    '[LINK REMOVED]', $subject);

【讨论】：