替换 HTML 页面文本中找到的 url 文件路径部分

Question

给定 html 页面内的一些 url，我想替换一些 url，如下所示：

示例网址：

https://example.com/cost-center/sub-one/article1

从那个文本中，我想将

/cost-center/

和网址最后一部分 (

article1

) 之间的文本替换为另一个文本 (

test

)

这意味着上面的网址将被转换为：

https://example.com/cost-center/test/article1

。

就我而言，

/cost-center/

之后可以有更多部分，并且网址可以以斜杠结尾，也可以在引号内，如下例所示：

https://example.com/cost-center/sub-one/sub-two/article-3/
https://example.com/cost-center/sub-one/sub-three/article-4
https://example.com/cost-center/sub-1/sub-two/sub-three/article-5/
'https://example.com/cost-center/sub-one/sub-two/article-3/'
'https://example.com/cost-center/sub-1/sub-two/sub-three/article-5'
"https://example.com/cost-center/sub-one/sub-three/article-4"
"https://example.com/cost-center/sub-1/sub-two/sub-three/article-5/"

这些将被替换如下：

https://example.com/cost-center/test/article-3/
https://example.com/cost-center/test/article-4
https://example.com/cost-center/test/article-5/
'https://example.com/cost-center/test/article-3/'
'https://example.com/cost-center/test/article-5'
"https://example.com/cost-center/test/article-4"
"https://example.com/cost-center/test/article-5/"

现在我们假设 url 在 /cost-center/; 之后有 至少一个

和

最多三个

部分

例如

https://example.com/cost-center/sub-1/sub-two/sub-three/article-5/

所以基本上我想替换其中的一些部分，同时保留最后一部分。

我尝试使用许多正则表达式，例如：

preg_replace('~https://example.com/cost-center/[^/]+/([^/]+)~', 'https://example.com/cost-center/test/$1', $url);

preg_replace('/(["\']?)(https:\/\/[^\/]+\/)([^\/]+)(\/[^"\s]*)?/', '$1$2test$4$1', $url);

我也尝试过使用

explode

拆分 url 并手动逐段解析它，但结果非常复杂且丑陋。

ChatGPT

也没有什么好结果。

Answer 1

根据您对任务的描述和示例数据，URL 是否/如何用引号括起来实际上并不重要。您只需匹配 URL 的前导部分即可验证它是否是 URL，然后隔离不需要的子字符串并替换它。

请注意，我的替换值只是字符串

test

并且没有对捕获组的引用。这是因为

\K

将忘记/释放到该点匹配的所有字符，并且

(?= ... )

是一个前瞻，意味着它不会消耗任何匹配的字符。

至于隔离要替换的模式部分，我使用包含正斜杠和空格的否定字符类，然后是文字正斜杠。该子模式可能会重复一次或多次（因为

+

量词）。

代码：（演示）

echo preg_replace('#https://[^/]+/cost-center/\K([^/\s]+/)+(?=article)#', 'test/', $text);

Answer 2

我尝试了以下方法： 正则表达式捕获 3 组：

1. 网址开头到

   /cost-center/

2. /cost-center/

   和网址最后一部分之间的所有内容
3. 网址的最后部分可以以斜线结尾，也可以不以斜线结尾

$pattern = '/(https:\/\/example.com\/cost-center\/)(.*?)([^\/]+\/?$)/';
$replacement = '$1test/$3';
$result = preg_replace($pattern, $replacement, $url);

在替换字符串中，保留第一组和第三组

($1 and $3)

，并用 test/ 替换第二组。它将用

/const-center/

 替换 

test/

和网址最后部分之间的文本

编辑：我修改了正则表达式，以包含引号和属性名称，以应对 URL 位于 HTML 属性（例如 href）内的情况

$pattern = '/(href=["\']https:\/\/example.com\/cost-center\/)(.*?)([^\/]+\/?["\'])/';