在PHP中拆分IDN URL

Question

我尝试使用类似于http://exämple.se/path或https://äxämple.se/anotherpath?foo=bar&baf=bas的IDN URL，这样我就可以获得它的组件，如下所示：

[0] http(s)://
[1] äxämple.se
[2] /anotherpath?foo=bar&baf=bas

我的第一个想法是“我将直接使用parse_url!”好吧，除了它不支持IDN域名，所以没什么好运气的。

接下来，我尝试了一系列我自己的正则表达式技巧，但不知何故未能获得任何有用的输出(其中一些在一定程度上有效，但仍然非常缺乏)。

最后，我尝试了其他人的regex模式，但它们似乎都不适合我(work right =捕获任何有用的东西，一个捕获整个url作为其“协议”部分，我遇到的大多数其他人没有捕获任何内容，或者在功能上与我尝试过的完全相同)。

当然，我为什么要这么做呢？我想先在域名上运行idn_to_ascii，然后再将网址拼接起来并存储到数据库中。

那么，我到底做错了什么呢？我的方法是完全错误的，还是有一些神奇的preg_match调用可以解决我的问题？

编辑:最好是我想要一个不需要下载别人写的代码的解决方案(比如，一个名为ParseIDNUrl的自定义类，重100kB)

Answer 1

parse_url应该可以很好地工作。使用PHP 5.3.4，我只能提取域部分：

print parse_url('http://äxämple.se/foobar', PHP_URL_HOST);

也许你需要调整编码：

print utf8_decode(parse_url('http://äxämple.se/foobar', PHP_URL_HOST));

我得到的输出是：

äxämple.se

希望这能有所帮助！

Answer 2

我很抱歉我没有100%阅读你的帖子。

下面是我可以在这里找到的正则表达式：Properly Matching a IDN URL

\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))