只匹配没有 www 的链接的正则表达式模式

Question

我正在尝试仅搜索 link 没有 www 的 http://google.com，或 https://facebook.com 等。然后我想添加 www 到相同的 link 所以它变成 http://www.google.com，或者 https://www.facebook.com，等等

但是，我的模式有问题（我用来获取所有带或不带 www 的 link 的模式）。

$text = '<a href="http://google.com">google</a> bla bla bla <a href="https://www.google.com">google</a>';
preg_match_all("/<a\s[^>]*href=(\"??)([^\" >]*?)\1[^>]*>(.*)<\/a>/siU", $text, $matches);
foreach ($matches[2] as $old_url) 
{
$text = str_replace("$old_url","$new_url",$text);
}

Answer 1

下面是使用 <a\s[^>]*href=([\"']?)(?>https?|ftps?):\/\/(?![^'\">]*www[^\"]+?\1)([^'\">]+?)\1[^>]*>(.*?)<\/a> 正则表达式的示例代码，仅匹配 href 属性中没有 www 的网址。

Sample code:

$re = "/<a\s[^>]*href=([\"']?)(?>https?|ftps?):\/\/(?![^'\">]*www[^\"]+?\1)([^'\">]+?)\1[^>]*>(.*?)<\/a>/"; 
$str = "<a href=\"http://google.com\">google</a> bla bla bla <a href=\"https://www.google.com\">google</a> bla bla bla <a href=\"http://facebook.com\">facebook</a>\n"; 
print ($str . "\n");
$str = preg_replace_callback(
    $re,
    function ($matches) {
        return str_replace($matches[2], "www." . $matches[2], $matches[0]);
  },
  $str
);
print ($str);

输出：

<a href="http://www.google.com">google</a> bla bla bla <a href="https://www.google.com">google</a> bla bla bla <a href="http://www.facebook.com">facebook</a>

Answer 2

我会考虑使用 DOM 和 XPath 来为您解决这个问题。

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

$xpath = new DOMXPath($doc);
$links = $xpath->query('//a[not(contains(@href, "www."))]/@href');

foreach ($links as $link) {
   // process yours urls by $link->nodeValue
   ...
   ...
 }

您可能会在处理 url 时使用 parse_url() 进行替换。

只匹配没有 www 的链接的正则表达式模式

Regular expression pattern to match only links without www

php

regex

expression

html-parsing