PHP 从电子邮件正文中取消订阅 URL

Question

我有一封电子邮件的 HTML 正文。我只需要从中解析取消订阅 link。因此，如果在 dom 中的任何一点有某种 link，包含单词 Unsubscribe，我需要 return 那个特定 link 的 URL。我尝试了不同的正则表达式，但我似乎无法找到取消订阅 URL 或有时根本找不到。

$regexp = "<a\s[^>]*href=(\"??)([^\" >]*?)\1[^>]*>(.*(?:unsubscribe).*)<\/a>";
preg_match_all("/$regexp/iU", $body, $matches);
var_dump($matches);

这不起作用：/

谢谢

Answer 1

我无法仅使用正则表达式快速找到解决您的问题的方法，所以我希望您能接受比正则表达式更多 PHP 的用法。

这是我想出的：

$regexp = '<a\s+(?:[^>]*?\s+)?href=[\'|"]([^"\']*)[\'|"]>(.*?)<\/a>';
preg_match_all("/$regexp/i", $body, $matches);

$urls = $matches[1];
$tagContents = $matches[2];

$unsubscribeUrls = [];
for ($i = 0; $i < count($tagContents); $i++) {
    if(!isset($urls[$i]) || !isset($tagContents[$i])){
        continue;
    }
    if(stripos($tagContents[$i],  "unsubscribe") !== false){
        $unsubscribeUrls[] = $urls[$i];
    }
}
var_dump($unsubscribeUrls);

这将首先匹配所有 a 标签并将它们拆分为 URL 和标签内容。然后，使用 PHP，它将检查标签的内容是否包含“取消订阅”。如果是，它将被添加到 $unsubscribeUrls 变量中。此变量应包含您需要的所有 URL。

Answer 2

您可以使用 DOMXpath 并检查锚点是否包含不区分大小写的取消订阅匹配项，并使用 getAttribute 获取 url 以获取 href 的值。

$data = <<<DATA
This is a link <a href="https://whosebug.com/">SO</a> and this is <a href="http://test.test">unsubscribe</a> and 
another and this is <a href="http://test.test">UnSubScribe</a>.
DATA;

$dom = new DomDocument();
$dom->loadHTML($data);
$xpath = new DOMXPath($dom);
$query = "//a[contains(translate(., 'UNSUBSCRIBE', 'unsubscribe'),'unsubscribe')]";
$anchors = $xpath->query($query);

foreach ($anchors as $a) {
    echo sprintf("%s: %s" . PHP_EOL,
        $a->nodeValue,
        $a->getAttribute("href")
    );
}

输出

unsubscribe: http://test.test
UnSubScribe: http://test.test

看到一个PHP demo。

PHP 从电子邮件正文中取消订阅 URL

PHP Get unsubscribe URL from email body

php

regex

html-parsing