php - 检测和编辑外部链接

Question

我想说我知道关于 SO 的类似问题，但由于我的情况略有不同，我认为最好打开一个新问题。我确实搜索了一个小时，我可能遗漏了什么，如果是这样请原谅我。

问题:我正在开发一个类似于 facebook 的功能:用户可以发布一条可能包含多个链接的文本消息，这些链接可能会或很多不会放在 anchor 标签中，并且可能具有不同的协议(protocol)(http、https , ftp,....)

我需要

1. 检测这些链接并可能尝试检索它们(就像 facebook)。我猜这是 jquery 的任务？

2. 我还需要可靠地检测外部链接并将它们更改为 mysite.com/external?url=thelink。我认为这是 php 的任务(因为我不能相信来自客户端的输入，对吧？)

无论如何，由于链接不能保证在 anchor 标记中，使用 dom 解析器似乎不太可靠(或者我错了)？我在网上找到了一个简单的正则表达式(顺便说一句，我对正则表达式很糟糕)我认为我可以利用它(通过添加更多协议(protocol))

$strText = preg_replace( '/(http|ftp)+(s)?:(\/\/)((\w|\.)+)(\/)?(\S+)?/i', '<a href="\0">\4</a>', $strText );  

一些在这方面有经验的专家能给我指出正确的方向吗？

Answer 1

是的，这绝对是您想要在服务器端执行的操作。首先，如果您接受包含 HTML 标记的用户输入，您应该使用像 HTML Purifier 这样的良好 HTML 过滤器对其进行清理。 . (这也将使他们的输入更容易解析更复杂的标记。)

这应该在单个 preg_replace() 语句中是可行的，但我会把它分成这样的东西:

$hrefPattern = '/<a[^>]+?href="(.+?)".*?>/i';

$outLink = 'http://mysite.com/external?url=';

$offset = 0;
while(preg_match($hrefPattern, $text, $hrefMatches, PREG_OFFSET_CAPTURE, $offset))
{

    $hrefInner = $hrefMatches[1][0];
    $offset = $hrefMatches[1][1];
    echo $hrefInner . "\r\n";

    if(strpos($hrefInner, '://') !== false)
    {
        $externalUrl = $outLink . rawurlencode($hrefInner);
        $text = str_replace($hrefInner, $externalUrl, $text);
        $offset += strlen($externalUrl);
    }

}

preg_match() documentation很好地解释了这一点。我们基本上只是在查找每个 <a ... href="">标签，捕获它的内容，如果它以 (anything):// 开头，则重新格式化它, 并重复直到 $text 中不再有链接为止.如果重新格式化链接，则需要 rawurlencode()您抓取的链接以确保新链接是 valid .

Facebook 为它的链接片段抓取内容的方式，我想，比这复杂得多，但是是的 - 你会想要发送一个 AJAX 请求到一个 PHP 页面，该页面抓取相关链接并生成任何你想要的片段。不过，相当涉及的内容更多 - 如果页面不存在、重定向到另一个页面、具有无效标记、不同的文档类型等，您将不得不处理。 p>

希望对您有所帮助!