PHP 正则表达式在 DOM 中查找和替换 url 属性

Question

目前我有以下代码：

    //loop here 
    foreach ($doc['a'] as $link) {
        $href = pq($link)->attr('href');                
        if (preg_match($url,$href))
        {
            //delete matched string and append custom url to href attr
        }       
        else
        {
            //prepend custom url to href attr
        }
    }
    //end loop

基本上我已经获取了小瓶 curl 一个外部页面。我需要将我自己的自定义 URL 附加到 DOM 中的每个 href 链接。我需要通过正则表达式检查每个 href attr 是否已经有一个基本网址，例如www.domain.com/MainPage.html/SubPage.html

如果是，则将www.domain.com 部分替换为我的自定义网址。

如果没有，那么只需将我的自定义 url 附加到相对 url。

我的问题是，我应该使用什么正则表达式语法以及哪个 php 函数？ preg_replace() 是否适合此功能？

干杯

Answer 1

您应该尽可能使用内部而不是 REGEX，因为这些函数的作者经常考虑边缘情况（或阅读详细说明所有情况的REALLY long RFC for URLs）。对于你的情况，我会先使用parse_url()，然后使用http_build_url()（注意后一个功能需要PECL HTTP，可以按照the docs page for the http package安装）：

$href = 'http://www.domain.com/MainPage.html/SubPage.html';
$parts = parse_url($href);

if($parts['host'] == 'www.domain.com') {
    $parts['host'] = 'www.yoursite.com';

    $href = http_build_url($parts);
}

echo $href; // 'http://www.yoursite.com/MainPage.html/SubPage.html';

使用您的代码的示例：

foreach ($doc['a'] as $link) {
    $urlParts = parse_url(pq($link)->attr('href'));               

    $urlParts['host'] = 'www.yoursite.com'; // This replaces the domain if there is one, otherwise it prepends your domain

    $newURL = http_build_url($urlParts);

    pq($link)->attr('href', $newURL);
}