从文本字符串中删除URL

Question

是否可以从PHP的字符串中搜索并删除URL。 在这里谈论实际文本而不是HTML。 删除示例：

mywebsite.com
http://mywebsite.org
www.mywebsite.co.uk
www.my-web-site.net
sub.mywebsite.edu
etc

我的问题是用户提交描述字段并使用它来推广自己的URL。 我不确定在不产生太多误报的情况下是否可行。 我考虑过要检测http：//或www。 但这并不会阻止像mywebsite.com这样的链接

Answer 1

这个正则表达式似乎可以解决问题：

!\b(((ht|f)tp(s?))\://)?(www.|[a-z].)[a-z0-9\-\.]+\.(com|edu|gov|mil|net|org|biz|info|name|museum|us|ca|uk)(\:[0-9]+)*(/($|[a-z0-9\.\,\;\?\\'\\\\\+&%\$#\=~_\-]+))*\b!i

它是来自正则表达式库的此正则表达式的略微修改。

我意识到这有点让人不知所措，但这是在搜索URL时可以预期的。 不过，它与您列表中的所有内容都匹配。

另外，您可以遍历描述中的每个单词，并使用parse_url()查看单词如何分解。 我将保留确定它是否为您的网址的条件。 误报的可能性仍然存在，但可以大大减少。 结合安德鲁标记可疑内容进行审核的想法，这可能是一个可行的解决方案。

Answer 2

您可以尝试寻找.TLD的内容，其中TLD是任何现有的顶级域，但是可能导致过多的误报。

是否有可能实现一种系统，在该系统中，包含可疑内容的帖子需要进行审核，而其他帖子必须立即发布？ 我假设禁止这种类型的内容是一项严格的业务要求。

就个人而言，我倾向于仅阻止任何超链接，而将其留在那。 但是，这不是我的应用程序。

Answer 3

您可以轻松地使用正则表达式来查找URL，然后使用PHP的函数preg_replace指定用URL替换的内容。

http://daringfireball.net/2010/07/improved_regex_for_matching_urls

编辑：由于这是用户提交的数据，因此在存储“描述”字段之前，您可能需要进行一些验证，并检查其是否包含URL。 如果是这样，您可以阻止用户保存表单。

为此，您可以使用preg_match ，同时仍使用正则表达式来查找URL。