如何使用 preg 匹配过滤包含空格的 URL？

Question

我解析包含多个链接的文本。其中一些包含空格，但有一个文件结尾。我目前的模式是：

preg_match_all('#\bhttps?://[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/))#', $links, $match);

同样的方法：

preg_match_all('/(http|https|ftp|ftps)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/', $links, $match);

我对这些模式了解不多，也没有找到一个很好的教程来解释所有可能的模式的含义并显示示例。

如何过滤这样的 URL： http://my-url.com/my doc.doc 甚至是http://my-url.com/my doc with more white spaces.doc

preg_match_all 函数中的\s 代表一个空格。但是如何检查是否有一个文件以一个或一些空格结尾？

有可能吗？

Answer 1

为什么不直接使用 PHP 的 FILTER 函数。 ?

<?php
$url = "http://my-url.com/my doc.doc";

if(!filter_var($url, FILTER_VALIDATE_URL))
{
    echo "URL is not valid";
}
else
{
    echo "URL is valid";
}

OUTPUT :

URL is not valid

Answer 2

这可能是您正在寻找的使用urlencode的内容

$file = "my doc with more white spaces.doc";
echo " http://my-url.com/" . urlencode($file);

产生：

http://my-url.com/my+doc+with+more+white+spaces.doc

或rawurlencode

产生：

http://my-url.com/my%20doc%20with%20more%20white%20spaces.doc

编辑：以下内容可能有助于使用parse_url解析您的网址

DEMO

$url = 'http://my-url.com/my doc with more white spaces.doc';
$purl = parse_url($url);
$rurl = "";
if(isset($purl['scheme'])){
    $rurl .= $purl['scheme'] . "://";
}
if(isset($purl['host'], $purl['path'])){
    $rurl .= $purl['host'] . rawurlencode($purl['path']);
}
if($rurl === ""){
    $rurl = $url;#error parsing error/invalid url?
}

对于你可以做的子目录

$purl['path'] = implode('/', array_map(function($value){return rawurlencode($value);}, explode('/', $purl['path'])));

Answer 3

我对php不太了解，但是这个正则表达式

(http|ftp)(s)?://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?

即使有空格也会匹配每个网址

我认为这个正则表达式可以。

Answer 4

使用这个正则表达式

preg_match_all("/^(?si)(?>\s*)(((?>https?:\/\/(?>www\.)?)?(?=[\.-a-z0-9]{2,253}(?>$|\/|\?|\s))[a-z0-9][a-z0-9-]{1,62}(?>\.[a-z0-9][a-z0-9-]{1,62})+)(?>(?>\/|\?).*)?)?(?>\s*)$/", $input_lines, $output_array);

Demo

Answer 5

做了this really helpful tutorial 之后，我终于知道正则表达式的语法是如何工作的了。完成后我在this site进行了一些实验

发现我的已解析文档中的所有超链接都在引号之间之后，这很容易，所以我只需将正则表达式更改为：

preg_match_all('#\bhttps?://[^()<>"]+#', $links, $match);

因此在" 之后，它正在寻找以http 开头的下一个匹配项。

但这还不是完整的解决方案。用户类是正确的 - 没有 rawurlencode 文件名将无法工作。

所以下一步是这样的：

function endsWith($haystack, $needle)
{
    return $needle === "" || substr($haystack, -strlen($needle)) === $needle;
}

if(endsWith($textlink, ".doc") || endsWith($textlink, ".docx") || endsWith($textlink, ".pdf") || endsWith($textlink, ".jpg") || endsWith($textlink, ".jpeg") || endsWith($textlink, ".png")){
        $file = substr( $textlink, strrpos( $textlink, '/' )+1 );
        $rest_url=substr($textlink, 0, strrpos($textlink, '/' )+1 );
        $textlink=$rest_url.rawurlencode($file);            
    }

从 URL 中过滤文件名并对它们进行原始编码，以便输出链接正确。

Answer 6

我认为这应该可行：

$url = '...';
$url_new = '';
$array = explode(' ',$url);

foreach($array as $name => $val){
    if ($val!=' '){
         $url_new = $url_new.$val;
    }
}