如何查找以“/”开头并包含“php”的 URL？

Question

我有一个 95MB 的 XML 内容文件，它从旧的 CMS（通过 Wordpress 的 Drupal）转移到新的 CMS（Squarespace）。

Squarespace 导入过程不断中断，似乎归结为尝试在新服务器中执行 PHP 的链接。

例如： <img src="/generate-image.php">

在导入过程中，新的 CMS 将其识别为内部链接并尝试执行该 URL 以导入内容，将其视为攻击或代码注入尝试并关闭该过程。

所以我想要一种方法来查找以“/”开头并包含“php”的 URL，以便我可以删除它们。

我应该清楚我只想识别内部链接而不是指向其他网站的外部链接。

这可以通过正则表达式实现吗？如果我可以将 Regex 语句插入 Atom & Find/Replace，我真的很想避免编写脚本来执行此操作。

Answer 1

使用negated class 来做一些简单的正则表达式怎么样。

"\/[^\s"'><]+\.php

• [^\s"'><] 匹配除空格、引号、大号/小号
之外的任何字符
• 如果需要，在php 之后添加word boundary \b

Here is the demo at regex101 comparing internal php links to external php links

Answer 2

是的，这可以通过正则表达式实现。试试这个：

(\/*)[\w.]+(?:\.[\w\.-]+)+[\w\-\._~:/?#[\]@!\$&'\(\)\*\+,;=.]+\b.php\b

它将匹配有效 URL 的所有可能字符。