权威的 PHP url 解析器

Question

在您告诉我使用parse_url 之前，它还不够好，并且有太多错误。关于解析 URL 的主题有很多问题可以在这里找到，但几乎所有问题都只解析某些特定类别的 URL，或者不完整。

我正在寻找一个明确的、符合 RFC 的 PHP 的 URL 解析器，它能够可靠地处理浏览器可能遇到的任何 URL。其中包括：

• 页面内部链接#, #title
• 页面相关 URL blah/thing.php
• 站点相关 URL /blah/thing.php
• 匿名协议 URL //ajax.googleapis.com/ajax/libs/jquery/1.8.1/jquery.min.js
• 调用 URL callto:+442079460123
• 文件 URL file:///Users/me/thisfile.txt
• 邮件地址mailto:user@example.com?subject=hello, mailto:?subject=hello

并支持所有常见的方案/身份验证/域/路径/查询/片段等，并将所有这些元素分解为一个数组，并为相对/无模式 URL 提供额外的标志。理想情况下，它会附带一个支持相同元素的 URL 重构器（如 http_build_url），并且我还希望应用验证（即，如果 URL 无效，它应该能够对 URL 进行最佳猜测解释，但标记它因此，就像浏览器一样）。

This answer 包含对这种野兽的诱人费马式引用，但它实际上并没有去任何地方。

我查看了所有主要框架，但它们似乎只提供了围绕 parse_url 的薄包装器，这通常是一个不好的起点，因为它会犯很多错误。

那么，这样的事情存在吗？

Answer 1

不确定parse_url() 有多少错误，但这可能会有所帮助：

由于“第一场比赛获胜”算法与“贪婪”算法相同 POSIX正则表达式使用的消歧方法，它是 使用正则表达式解析 URI 引用的潜在五个组成部分。

下面这行是分解a的正则表达式 对其组件的格式良好的 URI 引用。

^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?
 12            3  4          5       6  7        8 9

来源：https://www.rfc-editor.org/rfc/rfc3986#page-51

它将位置分解为：

$2 - scheme
$4 - host
$5 - path
$6 - query string
$8 - fragment

要重建，您可以使用：

$1 . $3 . $5 . $6 . $8