3

我正在提取 RSS 提要并使用 DOMXPath 将所有现有的锚标记转换为自定义标记，出于各种原因，这些标记看起来像这样：

[webserviceLink]{$url}[/webserviceLink][webserviceLinkName]{$text}[/webserviceLinkName]

这很好用，但我也想将所有非 html 文本链接转换为相同的格式，但遇到了一些问题。

这是我用于转换文本链接的代码：

$pattern = '(?xi)(?<![">])\b((?:https?://|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:\'".,<>?«»“”‘’]))';

$desc = preg_replace_callback("#$pattern#i", function($matches)
{
  $input = $matches[0];
  $url = preg_match('!^https?://!i', $input) ? $input : "http://$input";

  if (strlen($input) > 20 && !strpos($input, " "))
    $input = substr($input, 0, 18)."... ";

  return "[webserviceLink]{$url}[/webserviceLink][webserviceLinkName]{$input}[/webserviceLinkName]";
}, $desc);

我不确定如何在此正则表达式中执行否定回调，以检查我正在转换的链接是否不在现有的 html 标记（如 img）或我上面的自定义链接标记中。

4

1 回答 1

1

我能够使用 xpath 来完成这项工作。

$dom = new DOMDocument();
$dom->loadHTML(mb_convert_encoding($desc, 'HTML-ENTITIES', 'UTF-8'));
$xp = new DOMXPath($dom);

foreach ($xp->query('//text()[not(ancestor::a)]') as $node)
     {
        $pattern = '((?:https?://|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:\'".,<>?«»“”‘’]))';

        $replaced = preg_replace_callback("#$pattern#i", function($matches)
        {
          $input = $matches[0];
          $url = preg_match('!^https?://!i', $input) ? $input : "http://$input";

          if (strlen($input) > 20 && !strpos($input, " "))
            $input = substr($input, 0, 18)."... ";

          return "<a href=\"{$url}\">{$input}</a>";
        }, $node->wholeText);

          $newNode  = $dom->createDocumentFragment();
          $newNode->appendXML($replaced);
          $node->parentNode->replaceChild($newNode, $node);
     }
于 2013-04-10T16:57:34.893 回答