带有特殊字符的目标 URL答案

【问题标题】：Target URLs with special characters带有特殊字符的目标 URL
【发布时间】：2020-06-11 15:47:05
【问题描述】：

我有一个带有 HTML 的字符串，我的目标图像 URL 是这样的：

$regex = '#([a-z,:=\-_0-9\/\:\.]*\.(jpg|jpeg|png|gif))#i';

适用于：

https://example.com/image.jpg

但是当一个 URL 有一个特殊字符时，比如：

https://example.com/ストスト.jpg

不匹配。 See test!

如何更改正则表达式，使其与具有这些特殊字符的 URL 匹配？

【问题讨论】：

无需转义字符类中的元字符stackoverflow.com/questions/19976018/…
另外，你确定它不匹配吗？ 3v4l.org/ZudaJ
您需要查找包括 unicode 字符在内的所有内容 - 例如 regex101.com/r/wdabX7/1
@waterloomatt 您可以使用我的正则表达式代码作为基础发布答案吗？
@njank 只匹配文件名而不匹配整个 URL。

标签： php regex

【解决方案1】：

您总是可以尝试在正则表达式上使用 unicode 标志，看看这些字符是否匹配，如下所示：

$regex = '#([a-zストスト,:=\-_0-9\/\:\.]*\.(jpg|jpeg|png|gif))#iu';

注意正则表达式末尾的u（它指的是unicode）

显然，如果支持，您可以添加字母范围。

即像这样ス-ト

另一种方法是在正则表达式中添加完整的字母表，就在您的 a-z 参数之后。也检查一下这个answer。

希望对你有帮助！

编辑：

根据您提到任何外来字符的评论，我能想到的最好的事情是使用参数\w，这意味着每个单词字符，并在您的正则表达式末尾添加u 标志。

这意味着它可能是$regex = '#([\w,:=\-_0-9\/\:\.]*\.(jpg|jpeg|png|gif))#iu';

使用此正则表达式，您的 2 个示例可以正常工作。等待您的回复:)

【讨论】：

但是我的目标不是专门针对ストスト这些字符，而是所有外文字符。您能否使用我的正则表达式代码作为参考来编辑您的答案？

【解决方案2】：

'#([\p{L},:=\-_0-9\/\:\.]*\.(jpg|jpeg|png|gif))#i'

这适用于所有外语字符。希望这可以帮助

【讨论】：

好像不行，请see this...
$domain 未定义

【解决方案3】：

在字符类中，您不必转义, 和:。如果您使用不同的分隔符，例如 #，您也不必转义 /。

您可以将模式缩短为

[\w,=/:.-]+\.(?:jpe?g|png|gif)

Regex demo | Php demo

如果你想从锚点中找到 href，我建议改用解析器。

包含u unicode 标志的模式：

$regex = '#[\w,=/:.-]+\.(?:jpe?g|png|gif)#iu

例如（使用锚点 ^ 和 $ 来防止部分匹配）

$input = <<<HTML
<a href="https://e...content-available-to-author-only...e.com/example1.jpg">
<a href="https://e...content-available-to-author-only...e.com/ストスト.jpg">
<a href="https://e...content-available-to-author-only...e.com/example3.jpg">
<a href="https://e...content-available-to-author-only...e.com/example3.bak">
HTML;

$dom = new DomDocument();
$dom->loadHTML(mb_convert_encoding($input, 'HTML-ENTITIES', "UTF-8"));

$anchors = $dom->getElementsByTagName("a");
$regex = '#^[\w,=/:.-]+\.(?:jpe?g|png|gif)$#iu';

foreach ($anchors as $anchor) {
    $res = $anchor->getAttribute("href");
    if (preg_match($regex, $res)) {
        echo "Valid url: $res" . PHP_EOL;
    } else {
        echo "Invalid url: $res" . PHP_EOL;
    }
}

输出

Valid url: https://e...content-available-to-author-only...e.com/example1.jpg
Valid url: https://e...content-available-to-author-only...e.com/ストスト.jpg
Valid url: https://e...content-available-to-author-only...e.com/example3.jpg
Invalid url: https://e...content-available-to-author-only...e.com/example3.bak

【讨论】：