从一个字符串提取一个或多个网址在php

Question

我想从一个纯文本字符串在PHP中提取一个或多个网址。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”

有两种特殊情况下，我需要的 - 我想正则表达式，但不完全了解它们
1）需要删除像'（'或'）'和空格（不包括连字符）的所有符号
）字点需要用符号替换。 ，所以网络com将.com .com

p.s我知道PHP validation/regex for URL，但不能解决我将如何使用它来实现最终目标。

谢谢

Answer 1

在这种情况下，将很难得到100％正确的结果。 根据输入您可以尝试强制只是匹配最流行的第一级域（添加更多的话）：

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

您可能需要删除该单词边界（\ b）中得到不同的结果。

你可以在这里进行测试：

http://bit.ly/dlrgzQ

编辑：关于你的情况下 1）删除了什么？ 2），这可能在PHP来实现，如：

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

但我有几个重要事项：

• 这个表达式更像是指导，而不是实际生产代码
• 与这种工作对文本的宽松规则至少是古怪的 - 并且增加更多特殊情况会使其更加糟糕。考虑这一点 - 即使计算器没有做到这一点：

http://example.org

但不！

将example.org

• ，如果你说你有什么要实现它会更容易？因为如果你想处理某种在WWW某处的文本，那么这是非常糟糕的主意！你不应该这样做（正如你所说 - 你不明白Regex！），因为这只是XSS蠕虫的可能。最好考虑某种降价语言或BBCore或其他。

还可以获得感兴趣：http://htmlpurifier.org/