Preg_replace，请多多支持？

Question

所以我有这个 preg_replace 函数（来自其他人编写的脚本），它向所有 link 添加了一个 target="_blank" 属性。但是，当我有一个已经具有 target="_blank" 属性的 link 时，它会添加另一个。这会导致 link 中出现双 target="_blank" 属性。有没有办法在下面的 preg_replace 函数中解决这个问题？

$text = preg_replace('%(<a[^>]+)(href="https?://)((?:(?!(' . $host . '))[^"])+|(?:(?=(' . $host . '/' . $base_url . '/))[^"]+))"%i', '"target="_blank"', $text);

非常感谢！

Answer 1

正则表达式对于这种 html 操作来说不是好方法而且非常方便。一种首选方法是使用 DOMDocument，这是一种使用 libxml 从 HTML 文档构建节点树（DOMNode 实例）的工具。 DOMNode class 有几个有用的方法和属性来做你想做的事，比如 hasAttribute 和 setAttribute:

$dom = new DOMDocument;
$dom->loadHTMLFile('yourhtmlfile.html'); 
// or $dom->loadHTML($htmlContent); //if the html is already in a variable

// get all the link nodes
$linkNodeList = $dom->getElementsByTagName('a');

foreach($linkNodeList as $linkNode) {
    if (!$linkNode->hasAttribute('target'))
        $linkNode->setAttribute('target', '_blank');
}

$result = $dom->saveHTML();

注意：如果你想在 href 属性中针对特定的域和基础 url，你可以将 if 语句更改为：

if ( $linkNode->hasAttribute('target')
  && strpos($host . '/' . $baseurl, $linkNode->getAttribute('href')) !== false)

或者另一种方法是使用 XPath 查询立即定位您想要的链接：

$dom = new DOMDocument;
$dom->loadHTMLFile('yourhtmlfile.html'); 

$xp = new DOMXPath($dom);

$query = '//a[contains(@href, "' . $host . '/' . $baseurl . '") and not(@target)]';

$linkNodeList = $xp->query($query);

foreach ($linkNodeList as $linkNode) {
    $linkNode->setAttribute('target', '_blank');
}

$result = $dom->saveHTML();

注意：如果您正在使用部分 html 文档，DOMDocument 会自动添加一个 DTD 并创建 html 和 body 标签。为防止这种情况，有几种解决方法：

使用 PHP >= 5.4 加载文档时需要添加两个选项：

$dom->loadHTMLFile('yourhtmlfile.html', LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED);

（有时由于未知原因常量 LIBXML_HTML_NODEFDTD 和 LIBXML_HTML_NOIMPLIED 未定义。在这种情况下，您可以将它们替换为它们的值 4 和 8192，或者在前面定义，或者直接使用8196即4 | 8192)

的结果

使用 PHP >= 5.1 的方法是用 saveXML 一个一个地保存每个 body childNodes 并连接字符串：

$result = '';
$bodyChildNodes = $dom->getElementsByTagName('body')->item(0)->childNodes;
foreach ($bodyChildNodes as $childNode) {
    $result .= $dom->saveXML($childNode);
}

对于较低的 PHP 版本，使用字符串方法：

$result = preg_replace('~\A.*?<body>|</body></html>\z~s', '', $result);

或

$result = explode('<body>', $result, 2);
$result = substr($result[1], 0, -14); // 14 is the string length of "</body></html>"

Preg_replace，请多多支持？

Preg_replace, please little support?

php

preg-replace

html-parsing