仅当缺少协议时 preg_replace href 或 src

Question

我正在解析一个输入，即 HTML。但是，我需要能够找到所有没有协议的 href 或 src 属性，例如 http://、https:// 或 ftp:// 等，并且当它们没有将其替换为一个包含协议和域的变量。

比如说我想要

<a href="/_mylink/goes/here">Link 1</a>
<a href="http://site.com/_myotherlink/goes/here">Link 2</a>

返回：

<a href="http://mydomain.com/_mylink/goes/here">Link 1</a>
<a href="http://site.com/_myotherlink/goes/here">Link 2</a>

我可以获得整个 href 属性，但我似乎无法弄清楚如何仅在缺少协议时匹配和替换。我发现 [^0-9] 会以相反/非方式工作，但我发现在尝试使用 http:// 等时我无法让它工作。

编辑：

只是提一下，因为对我来说很明显它是这个问题的“范围”的一部分，我想避免由于替换而使用 url 编码，因为我使用 {} 之类的东西其中一些，我不希望它们中有 %7B %7D 之类的东西。

Answer 1

为什么不使用 DOM 轻松替换这些属性呢？例如

$domain = 'http://mydomain.com';
$currentPath = '/some/absolute/path/'; // make sure this starts and ends with a forward-slash

$doc = new DOMDocument();
$doc->loadHTML($html);

$xpath = new DOMXPath($doc);
$attrs = $xpath->query('//@href[not(contains(., "://"))]');
foreach ($attrs as $attr) {
    $attr->value = sprintf('%s%s%s',
        $domain,
        $attr->value[0] == '/' ? '' : $currentPath,
        htmlspecialchars($attr->value)
    );
}

$attrs = $xpath->query('//@src[not(contains(., "://"))]');
foreach ($attrs as $attr) {
    $attr->value = sprintf('%s%s%s',
        $domain,
        $attr->value[0] == '/' ? '' : $currentPath,
        htmlspecialchars($attr->value)
    );
}

echo $doc->saveHTML();

Answer 2

本质上，您正在寻找“not”模式。那将是negative assertion:

 (?!http://)

例如在/href="(?!http://)[^"]+"/ 中添加。

或者您可以使用preg_replace_callback 并在那里进行整理。

---

既然你说的是“解析”，那就有点话题了；对于 HTML 遍历，替代方案是 phpquery 或 querypath。然后你可以遍历所有链接：

 foreach (htmlqp($html)->find("a[href]") as $tag) {
      if (!strstr($tag->attr("href"), "http://")) {
             $tag->attr("href", "$add....");

显然对于输出转换来说太过分了。但对于任意 HTML 来说可能是一个更有弹性的选择。