我想過濾出我的博客文章中的foregin鏈接，有人能幫我正則表達式嗎？

Question

我有一個像博客數據：

This is foreign <a href="xyz.com">link</a>, this is my site's <a href="mysite.com">link</a> and so on. 

我想是做的是過濾國外網站的鏈接，即「<a href="xyz.com">link</a>」。所以我的最終輸出是：

This is foreign link, this is my site's <a href="mysite.com">link</a> and so on. 

我試過「preg_replace」，但沒有任何模式的幫助。

Answer 1

這不應該用正則表達式來完成。

嘗試像DOM解析器一樣。

如果你使用PHP，但是這一個非常好用的，我不知道：
http://simplehtmldom.sourceforge.net/

希望這有助於。

Answer 2

您可以使用DOMDocument來查找所有鏈接元素，只需更新源代碼即可。我寫了一個如何use DOMDocument to find all links的小例子。我使用這種方法來重寫我工作過的一些項目中的鏈接。我敢肯定，如果網址與您的主機不匹配，則不需要花費太多精力去刪除標籤並將其替換爲文本。

Answer 3

首先，我必須同意那些已經說過正則表達式不適合HTML的人。

這就是說，如果你想要做的是沒有比

foo 

更換的

<a href="something.tld">foo</a> 

任何和所有出現的更復雜，如果something.tld是不是你的域名，那麼這應該做的竅門

preg_replace('/<a href="http:\/\/(?!mysite.com)(.*?)>(.*?)<\/a>/', 
       '$2', 
       $mystring); 

其中$ mystring顯然是你想修改的字符串。然而，這使用正則表達式lookarounds，這是一個非常好的贈品，這不是用正則表達式來完成的。

HTH

Answer 4

我會強烈建議您使用http://htmlpurifier.org/，這不僅可以很容易地寫一個鏈接過濾器（http://htmlpurifier.org/docs/enduser-uri-filter.html），但也保護你免受XSS攻擊。如果您不使用白名單的HTML解析器，則需要將用戶提供的數據視爲文字並轉義爲html特殊字符。