從一個字符串提取一個或多個網址在php

Question

我想從一個純文本字符串在PHP中提取一個或多個網址。下面是一些例子

"mydomain.com has hit the headlines again" 

提取物 「http://www.mydomain.com」

"this is 1 domain.com and this is anotherdomain.co.uk but sometimes http://thirddomain.net" 

提取物 「http://www.domain.com」， 「http://www.anotherdomain.co.uk」， 「http://www.thirddomain.net」

有兩種特殊情況下，我需要的 - 我想正則表達式，但不完全瞭解它們
1）需要刪除像'（'或'）'和空格（不包括連字符）的所有符號
）字點需要用符號替換。 ，所以網絡com將.com .com

p.s我知道PHP validation/regex for URL，但不能解決我將如何使用它來實現最終目標。

謝謝

Answer 1

在這種情況下，將很難得到100％正確的結果。 根據輸入您可以嘗試強制只是匹配最流行的第一級域（添加更多的話）：

(?:https?://)?[a-zA-Z0-9\-\.]+\.(?:com|org|net|biz|edu|uk|ly|gov)\b 

您可能需要刪除該單詞邊界（\ b）中得到不同的結果。

你可以在這裏進行測試：

http://bit.ly/dlrgzQ

編輯：關於你的情況下 1）刪除了什麼？ 2），這可能在PHP來實現，如：

$result = preg_replace('/\s+dot\s+(?=(com|org|net|biz|edu|and_ect))/', '.', $input); 

但我有幾個重要事項：

• 這個表達式更像是指導，而不是實際生產代碼
• 與這種工作對文本的寬鬆規則至少是古怪的 - 並且增加更多特殊情況會使其更加糟糕。考慮這一點 - 即使計算器沒有做到這一點：

http://example.org

但不！

將example.org

• ，如果你說你有什麼要實現它會更容易？因爲如果你想處理某種在WWW某處的文本，那麼這是非常糟糕的主意！你不應該這樣做（正如你所說 - 你不明白Regex！），因爲這只是XSS蠕蟲的可能。最好考慮某種降價語言或BBCore或其他。

還可以獲得感興趣：http://htmlpurifier.org/