preg_replace，请大家多多支持？答案

【问题标题】：Preg_replace, please little support?preg_replace，请大家多多支持？
【发布时间】：2024-01-23 22:48:02
【问题描述】：

所以我有这个 preg_replace 函数（来自其他人编写的脚本），它为所有链接添加了 target="_blank" 属性。但是，当我有一个已经具有 target="_blank" 属性的链接时，它会添加另一个链接。这会导致链接中出现双 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', '$1$2$3"target="_blank"', $text);

非常感谢！

【问题讨论】：

标签： php html-parsing preg-replace

【解决方案1】：

Regex 不是这种 html 操作的好方法，而且非常方便。一种首选方法是使用 DOMDocument，它是一种使用 libxml 从 HTML 文档构建节点树（DOMNode 实例）的工具。 DOMNode 类有几个有用的方法和属性来做你想做的事情，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：如果要在 href 属性中定位特定域和基本 url，可以将 if 语句更改为：

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

或者另一种方式是使用 XPath 查询来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：如果您使用的是部分 html 文档，DOMDocument 会自动添加一个 DTD 并创建 html 和 body 标记。为了防止这种情况，有几种解决方法：

使用 PHP >= 5.4 时，您需要在加载文档时添加两个选项：

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

（有时由于未知原因，未定义常量 LIBXML_HTML_NODEFDTD 和 LIBXML_HTML_NOIMPLIED。在这种情况下，您可以将它们替换为它们的值 4 和 8192，或者在之前定义它们，或者使用直接8196即4 | 8192的结果）

使用 PHP >= 5.1 的方法是使用 saveXML 一个一个地保存每个 body childNodes 并将字符串连接起来：

$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>"

【讨论】：

谢谢，让我大开眼界:) 我在我的代码中尝试过，它可以工作。我使用 $text 变量来加载。工作正常，但它也输出（我不需要）代码标签。有没有办法解决这个问题？
@RobbertT：我已经添加了关于这个问题的详细信息。
太棒了，谢谢！还有一个问题：我也将这种技术用于 rel="nofollow" 属性。一切正常，但我有这个变量 $follow_list 包含域白名单（不应该具有 nofollow 属性的域）。旧代码是：$text = preg_replace('%(<a[^>]+)(href="https?://)((?:(?!(' . $host . $follow_list . '))[^"])+|(?:(?=(' . $host . '/' . $base_url . '/))[^"]+))"%i', '$1$2$3" rel="nofollow" ', $text); 我如何在 if 语句中实现这个“检查”if (!$linkNode->hasAttribute('rel', 'nofollow') 任何想法？
@RobbertT：请参阅 PHP 手册以更好地了解不同方法的工作原理（hasAttribute、getAttribute、setAttribute）。如果您需要检查多个url主机或路径，我建议您获取href属性并使用parse_url提取主机和路径。然后，您可以轻松地将它们与您的列表进行比较。但是，如果您的白名单不是很大，您可以使用 XPath 查询。 （注意：也可以在 XPath 查询中使用自己的 php 函数，详情请参阅手册）
@RobbertT：如果我是你，我会将$follow_list 构建为一个数组，而我将使用in_array。关于strpos，永远不要写strpos(...) == false，因为strpos可以返回偏移量0，它被转换为false（所以即使找到字符串，你的条件也会成功，实际上0 == false在PHP中是一个真实的条件)，总是使用strpos(...) === false 来检查类型。