preg_replace在每个超链接前添加自己的网站

Question

对于一个项目，我需要获取一个网站的内容，并改变HTML代码。该网站上的每个链接都必须替换为我自己的链接。我一直使用str_replace，直到我意识到链接有时会被分配类。

我已经尝试过在<a> </a>标签之间的每个href链接之前添加我自己的网站的preg_replace函数。在$content中获取的网站是否包含href=""或href=''应该无关紧要。

$content = preg_replace('~(<a\b[^>]*\shref=")([^"]*)(")~igs', '\1http://website.com/fetch.php?url=\2\3', $content);

这不起作用，我找不到错误。其行为应如下所示：

<a class="link" href="http://google.com">Google</a>

应该变成

<a class="link" href="http://website.com/fetch.php?url=http://google.com">Google</a>

有人能帮我找出错误吗？提前谢谢你。

Answer 1

不要半途而废一个会漏掉很多案例的正则表达式。只需将每个文档读入到DOM树中(尝试使用此html5 DOM parser )，然后使用XPath获取具有href属性的所有链接，并更新它们，然后保存结果。

Answer 2

只需使用simplexml和preg_replace即可

        <?php

            $string= '<a class="link" href="http://google.com">Google</a>';

            $a = new SimpleXMLElement('<a class="link" href="http://google.com">Google</a>');

            $newurl="http://website.com/fetch.php?url=".urlencode($a['href']);

            $pattern = "/(?<=href=(\"|'))[^\"']+(?=(\"|'))/";

            $body = preg_replace($pattern,$newurl,$string);

            echo $body;


         ?>

输出：

<a class="link" href="http://website.com/fetch.php?url=http%3A%2F%2Fgoogle.com">Google</a>