正则表达式：使所有 URL 都是绝对的

Question

我需要一种方法来获取一段 HTML 代码并使所有 URL 成为绝对 URL。我尝试过采用各种正则表达式示例，但没有运气。这些是要求：

• 同时替换 HREF 和 SRC 网址
• 如果 URL 已经是绝对的，则保留它
• 如果 URL 是绝对的，则替换它

每个 HTML 都来自一个已知的 URL (example.com/folder/file.html)，可用于创建绝对 URL。例如：

src="image.png" 变成 src="http://example.com/folder/image.png" href="/home.html" 变为 href="http://example.com/home.html"

我找到了一个完全符合我需要的函数：

http://nashruddin.com/PHP_Script_for_Converting_Relative_to_Absolute_URL

但我不知道如何批量处理代码块中的所有 URL。

任何帮助都会很棒！

干杯。

Answer 1

Don't use regular expressions to parse (X)HTML — 您要做的是使用 SGML 或 XML 解析器，并在相关元素属性上使用正则表达式。

Answer 2

类似的东西可能工作

  $html = preg_replace_callback(
      '~((href|src)\s*=\s*[\"\'])([^\"\']+)~i', 
      'replace', 
      $html);

  function replace($x) {
     $url = $x[3];
     $url = your_url_conversion_function($url);
     return $x[1] . $url;
  }

如果您的 html 包含外部标签“href”或“src”，这将失败，如<h1> how to use "src=" </h1>。这就是为什么人们通常建议为 html 使用专门的解析器，而不是正则表达式。