从 & 分隔的 url 查询字符串的“url”参数中获取值

Question

我正在使用PHP 7.4.1。

我正在尝试解析来自 google 的 rss 提要。

我的链接如下所示：

https://www.google.com/url?rct=j&sa=t&url=https://www.timeslive.co.za/sunday-times/news/2020-11-01-hawks-following-former-steinhoff-ceo-markus-joostes-money/&ct=ga&cd=CAIyGjRm
https://www.google.com/url?rct=j&sa=t&url=https://www.politifact.com/factchecks/2020/oct/31/raphael-warnock/fact-checking-raphael-warnocks-claim-georgia-sen-k/&ct=ga&cd=CAIyGm
https://www.google.com/url?rct=j&sa=t&url=https://www.benzinga.com/news/20/10/18156683/last-weeks-notable-insider-buys-ibm-intel-raytheon-and-more&ct=ga&cd=CAIyGmM3Yjk5YjRlYWU
https://www.google.com/url?rct=j&sa=t&url=https://stocksregister.com/2020/10/31/insider-trading-at-avino-silver-gold-mines-ltd-nyseasm-what-did-we-note/&ct=ga&cd=CAIyGmM3Yjk5Y
https://www.google.com/url?rct=j&sa=t&url=https://www.businessinsider.co.za/who-received-an-sms-from-markus-jooste-2020-10&ct=ga&cd=CAIyGmM3Yjk5YjRlYWU3MWY2MDY6Y29tOmVuOlVT&am
https://www.google.com/url?rct=j&sa=t&url=https://stocksregister.com/2020/10/31/insider-trading-at-veritone-inc-nasdaqveri-what-did-we-note/&ct=ga&cd=CAIyGmM3Yjk5YjRlYWU3MWY2M
https://www.google.com/url?rct=j&sa=t&url=https://heavy.com/sports/las-vegas-raiders/jj-watt-stephon-gilmore-trade-targets/&ct=ga&cd=CAIyGmM3Yjk5YjRlYWU3MWY2MDY6Y29tOmVuOlVT&a
https://www.google.com/url?rct=j&sa=t&url=https://stocksregister.com/2020/10/31/insider-trading-at-truecar-inc-nasdaqtrue-what-did-we-note/&ct=ga&cd=CAIyGmM3Yjk5YjRlYWU3MWY2MD
https://www.google.com/url?rct=j&sa=t&url=https://stocksregister.com/2020/10/31/insider-trading-at-veeco-instruments-inc-nasdaqveco-what-did-we-note/&ct=ga&cd=CAIyGmM3Yjk5YjRl
https://www.google.com/url?rct=j&sa=t&url=https://stocksregister.com/2020/10/31/insider-trading-at-21vianet-group-inc-nasdaqvnet-what-did-we-note/&ct=ga&cd=CAIyGmM3Yjk5YjRlYWU

我想从url=获取真正的链接并剪掉结尾/&ct=ga&cd=CAIyGjRm。

我尝试了str_replace，但是由于不同，解析出结尾很困难。

对如何获取链接有什么建议吗？

Answer 1

当没有合法/原生/可靠的技术来解析文本时，正则表达式是合适的。

PHP 提供本地函数来解析 url 和查询字符串。

以下 sn-p 涉及多个本机函数，其执行速度将比正则表达式慢，但当您的外部数据源重新配置其查询字符串数据时，它也将非常不可能中断。例如，如果他们添加了一个额外的参数rawurl=，那么正则表达式很容易错误地匹配这些。使用合法解析技术或正则表达式（在 url、有效 html、bbcode 等上）之间的争论太常见了——但开发人员的主要目标应该始终是数据完整性。如果您正在处理大量数据，并且速度提升实际上为您的系统/最终用户提供了宝贵的好处，那么只有为了执行速度而牺牲数据完整性。如果您发现自己没有充分理由倾向于微优化解决方案，我建议您不要喝那种酷爱饮料。

这是解析 url 并提取 url 值的一种方式。

代码：(Demo)

$url = 'https://www.google.com/url?rct=j&sa=t&url=https://www.timeslive.co.za/sunday-times/news/2020-11-01-hawks-following-former-steinhoff-ceo-markus-joostes-money/&ct=ga&cd=CAIyGjRm';

parse_str(
    htmlspecialchars_decode(
        parse_url(
            $url,
            PHP_URL_QUERY
        )
    ),
    $parts
);
echo $parts['url'];

输出：

https://www.timeslive.co.za/sunday-times/news/2020-11-01-hawks-following-former-steinhoff-ceo-markus-joostes-money/

我超级喜欢正则表达式，但不是每项任务都适用。在此避免使用正则表达式将使您的脚本更易读、更可靠且更易于维护。

Answer 2

您可以在preg_match_all 中使用此正则表达式：

(?<=url=)https?:\S+?(?=&amp;|$)

RegEx Demo

正则表达式详细信息：

• (?<=url=)：如果我们在当前位置之前有url=
• https?:\S+?：匹配以http:或https:开头的URL
• (?=&|$): 如果我们有& 或者当前位置之后的行结束

代码：

php > $s = "https://www.google.com/url?rct=j&sa=t&url=https://www.timeslive.co.za/sunday-times/news/2020-11-01-hawks-following-former-steinhoff-ceo-markus-joostes-money/&ct=ga&cd=CAIyGjRm";
php > preg_match_all('~(?<=url=)https?:\S+?(?=&amp;|$)~', $s, $m);
php > print_r($m[0]);
Array
(
    [0] => https://www.timeslive.co.za/sunday-times/news/2020-11-01-hawks-following-former-steinhoff-ceo-markus-joostes-money/
)