PHP & Regex: добавление URL сайта в изображения

Question

У меня есть следующий код ниже на моем сайте. Он используется для поиска изображений в блоке HTML, который не имеет http: // или / впереди. В этом случае URL-адрес веб-сайта будет добавлен в начало источника изображения.

Например:

<img src="http://domain.com/image.jpg"> will stay the same
<img src="/image.jpg"> will stay the same
<img src="image.jpg"> will be changed to <img src="http://domain.com/image.jpg">

Я чувствую, что мой код действительно неэффективен ... Есть идеи, как заставить его работать с меньшим количеством кода?

preg_match_all('/<img[\s]+[^>]*src\s*=\s*[\"\']?([^\'\" >]+)[\'\" >]/i', $content_text, $matches);
if (isset($matches[1])) {
  foreach($matches[1] AS $link) {
    if (!preg_match("/^(https?|ftp)\:\/\//sie", $link) && !preg_match("/^\//sie", $link)) {
      $full_link = get_option('siteurl') . '/' . $link;
      $content_text = str_replace($link, $full_link, $content_text);
    }
  }
}

Answer 1

Для начала вы можете перестать использовать регулярные выражения для обработки HTML, особенно когда то, что вы делаете, так легко сделать с помощью анализатора HTML (из которых PHP имеет по крайней мере 3). Например:

$dom = new DomDocoument;
$dom->loadHTML($html);
$images = $dom->getElementsByTagName('img');
foreach ($images as $image) {
  $src = $image->getAttribute('src');
  $url = parse_url($src);
  $image->setAttribute('src', http_build_url('http://www.example.com', $url);
}
$html = $dom->saveHTML();

Проблема решена. Ну, почти. Случай, когда вы добавляете имя хоста к относительным URL, но не к тем, которые начинаются с /, немного озадачивает и не обрабатывается в этом фрагменте, но это относительно небольшое изменение (оно включает проверку $url['path']).

См. Анализ HTML с PHP и DOM , объектная модель документа , parse_url() и http_build_url(). PHP имеет гораздо лучшие инструменты для этого, чем регулярные выражения.

Да, и для правильной меры прочитайте Разбор HTML Путь Ктулху .

Answer 2

Может быть, совершенно другой подход тоже может сработать:

<base href="http://domain.com/" />

Answer 3

Это не проверено, но я думаю, что-то вроде этого ...

preg_match_all('/<img\b[^>]*\bsrc\s*=\s*[\'"]?([^\'">]*)/i', $content_text, $matches);

Answer 4

Попытка сопоставить HTML с регулярными выражениями очень трудна.

Даже если может показаться, что ваш код работает, есть большая вероятность того, что некоторые теги IMG будут проскальзывать, поскольку они не соответствуют указанному вами формату.