正则表达式删除外部链接，除了提供的域相关链接 php答案

【问题标题】：Regex to remove external links except provided domain related links php正则表达式删除外部链接，除了提供的域相关链接 php
【发布时间】：2016-12-31 17:07:50
【问题描述】：

我希望正则表达式从我的内容中删除所有外部链接，只保留所提供域的链接。

例如。

$inputContent = 'Lorem Ipsum <a href="http://www.example1.com" target="_blank">http://www.example1.com</a> lorem ipsum dummy text <a href="http://www.mywebsite.com" target="_blank">http://www.mywebsite.com</a>';

预期输出：

$outputContent = 'Lorem Ipsum lorem ipsum dummy text <a href="http://www.mywebsite.com" target="_blank">http://www.mywebsite.com</a>';

尝试了这个解决方案，但它不起作用。

$pattern = '#<a [^>]*\bhref=([\'"])http.?://((?<!mywebsite)[^\'"])+\1 *>.*?</a>#i';  
$filteredString = preg_replace($pattern, '', $content);

【问题讨论】：

尝试先检查您的正则表达式，您有 3 个未转义的分隔符。您可以使用此站点检查您的正则表达式一致性。 regex101.com
您的正则表达式不考虑target=_blank 或任何其他属性。

标签： php regex

【解决方案1】：

尝试了这个解决方案，但它不起作用。
$pattern = '#<a [^>]*\bhref=([\'"])http.?://((?<!mywebsite)[^\'"])+\1 *>.*?</a>#i';

你很亲密。要使您的解决方案有效，请仅删除一个>，即。 e.

  $pattern = '#<a [^>]*\bhref=([\'"])http.?://((?<!mywebsite)[^\'"])+\1 *.*?</a>#i';

【讨论】：

【解决方案2】：

正则表达式的解决方案：

$inputContent = 'Lorem Ipsum <a href=\'http://www.example1.com\' target="_blank"><strong>http://www.example1.com</strong></a> lorem ipsum dummy text <a href="http://www.mywebsite.com" target="_blank">http://www.mywebsite.com</a>';  

function callback($matches) {
    //print_r($matches);

    if (preg_match('#^https?://(www\.)?mywebsite\.com(/.+)?$#i', $matches[1])) {
        return '<a href="' . $matches[1] . '" target="_blank">' . $matches[2] . '</a>';
    }

    //return '';
    return $matches[2]; // or you can remove only the anchor and print the text only
}

$pattern = '#<a[^>]*href=[\'"]([^\'"]*)[\'"][^>]*>(((?!<a\s).)*)</a>#i';
$filteredString = preg_replace_callback($pattern, 'callback', $inputContent);

echo $filteredString;

【讨论】：

【解决方案3】：

你真正需要的不是正则表达式。您正在解析 HTML 文档，因此您应该为它选择正确的工具：DOMDocument。

<?php

$html = <<< HTML
Lorem Ipsum <a href="http://www.example1.com" target="_blank">http://www.example1.com</a>
lorem ipsum dummy text
<a href="http://mywebsite.com" target="_blank">http://www.mywebsite.com</a>
HTML;


$dom = new \DOMDocument();
$dom->loadHTML($html, LIBXML_HTML_NOIMPLIED  | LIBXML_HTML_NODEFDTD);
$xpath = new \DOMXPath($dom);

$site = 'mywebsite.com';
// Query all `a` tags that don't start with your website domain name
$anchors = $xpath->query("//a[not(starts-with(@href,'http://{$site}')) and not(starts-with(@href,'http://www.{$site}'))]");

foreach ($anchors as $anchor) {
    $anchor->parentNode->removeChild($anchor);
}

echo $dom->saveHTML();

输出：

<p>Lorem Ipsum 
lorem ipsum dummy text
<a href="http://mywebsite.com" target="_blank">http://www.mywebsite.com</a></p>

【讨论】：