PHP regex 用于过滤来自特定域的 url 以在 vBulletin 插件中使用答案

【问题标题】：PHP regex for filtering out urls from specific domains for use in a vBulletin plug-inPHP regex 用于过滤来自特定域的 url 以在 vBulletin 插件中使用
【发布时间】：2009-12-09 10:16:38
【问题描述】：

我正在尝试为 vBulletin 制作一个插件，以过滤掉指向文件共享站点的链接。但是，我相信你经常听到，我是 php 的新手，更不用说正则表达式了。

基本上，我正在尝试组合一个正则表达式并使用 preg_replace 来查找来自这些域的任何 url，并将整个链接替换为不允许它们的消息。我希望它能够找到链接，无论它是超链接的、以纯文本形式发布的还是包含在 [CODE] bb 标签中的。

至于正则表达式，我认为我需要它来查找具有以下内容的 URL：

以 http 或锚标记开头。我相信 [CODE] 标签中的 URLS 可以像纯文本 URLS 一样被处理，如果之后替换结束在 [CODE] 标签内就可以了。
在域/单词之前可以包含任意数量的任意字符
域位于中间位置
域后可以包含任意数量的任意字符
以多个扩展名结尾，例如 (html|htm|rar|zip|001) 或结束锚标记。

我有一种感觉，是数字 2 和 4 让我感到困惑（如果不是更多的话）。我在这里发现了一个类似的问题，并试图将代码分开一点（即使我并不真正理解它）。我现在有了这个我认为可能有用的东西，但它没有：

<?php  
$filterthese = array('domain1', 'domain2', 'domain3');  
$replacement = 'LINKS HAVE BEEN FILTERED MESSAGE';  
$regex = array('!^http+([a-z0-9-]+\.)*$filterthese+([a-z0-9-]+\.)*(html|htm|rar|zip|001)$!',  
'!^<a+([a-z0-9-]+\.)*$filterthese+([a-z0-9-]+\.)*</a>$!');
$this->post['message'] = preg_replace($regex, $replacement, $this->post['message']);
?>

我觉得我离这里很远，我承认我并不完全了解 php，更不用说正则表达式了。我愿意接受有关如何更好地做到这一点，如何使其工作或指向 RTM 的任何建议（尽管我已经阅读了一些内容，我将继续）。

谢谢。

【问题讨论】：

标签： php regex preg-replace

【解决方案1】：

您可以在 URL 上使用 parse_url 并查看它返回的哈希图。这允许您过滤域甚至更细粒度的控制。

【讨论】：

太好了，我忘记了这个功能。

【解决方案2】：

我认为使用filter_var 内置函数可以避免这种开销。

您可以从 PHP 5.2.0 开始使用此功能。

$good_url = filter_var( filter_var( $raw_url, FILTER_SANITIZE_URL), FILTER_VALIDATE_URL);

【讨论】：

【解决方案3】：

嗯，我的第一个猜测：您将$filterthese 直接放在单引号字符串中。单引号不允许变量替换。另外，$filterthese 是一个数组，应该首先加入：

var $filterthese = implode("|", $filterthese);

也许我离题了，因为我对 vBulletin 插件及其嵌入的魔法一无所知，但这些点对我来说似乎值得一试。

编辑：好的，在重新检查您提供的源代码时，我认为正则表达式行应该是这样的：

$regex = '!(?#
  possible "a" tag [start]: )(<a[^>]+href=["\']?)?(?#
  offending link:           )https?://(?#
    possible subdomains:    )(([a-z0-9-]+\.)*\.)?(?#
    domains to block:       )('.implode("|", $filterthese).')(?#
    possible path:          )(/[^ "\'>]*)?(?#
  possible "a" tag [end]:   )(["\']?[^>]*>)?!';

【讨论】：