提问人：bledi 提问时间：9/4/2023 最后编辑：mickmackusabledi 更新时间：9/9/2023 访问量：61
替换 HTML 页面文本中找到的 url 文件路径的一部分
Replace portion of url filepath found in HTML page text
问：
给定html页面中的一些网址，我想替换一些网址，如下所示：
示例 url：从那个开始，我想用另一个文本 （https://example.com/cost-center/sub-one/article1/cost-center/article1test)
这意味着上面的 url 将转换为：。https://example.com/cost-center/test/article1
就我而言，之后可以有更多部分，url 可以以斜杠结尾，也可以在引号内，如下例所示：/cost-center/
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/;
例如https://example.com/cost-center/sub-1/sub-two/sub-three/article-5/
所以基本上我想在保留最后一部分的同时替换它的某些部分。
我尝试使用数字正则表达式，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);
我也尝试过使用拆分 url 并逐个手动解析它，但结果非常复杂和丑陋。explode
也没有好的结果。ChatGPT
答：
-1赞
esQmo_
9/4/2023
#1
我尝试了以下方法： 正则表达式捕获 3 组：
- url 的开头
/cost-center/ - url 的最后一部分之间的所有内容
/cost-center/ - url 的最后一部分，可以以斜杠结尾，也可以不以斜杠结尾
$pattern = '/(https:\/\/example.com\/cost-center\/)(.*?)([^\/]+\/?$)/';
$replacement = '$1test/$3';
$result = preg_replace($pattern, $replacement, $url);
在替换字符串中，保留第一个组和第三个组，并将第二个组替换为 test/。它将 url 和 url 的最后一部分之间的文本替换为($1 and $3)/const-center/test/
编辑：我修改了正则表达式以包含引号和属性名称，以防 URL 位于 HTML 属性（如 href）中
$pattern = '/(href=["\']https:\/\/example.com\/cost-center\/)(.*?)([^\/]+\/?["\'])/';
评论
0赞
bledi
9/4/2023
这似乎适用于没有任何引号的 url。但对于这个，我认为它失败了。'href="https://example.com/cost-center/sub-one/sub-two/article-3/"'
0赞
esQmo_
9/4/2023
如果 URL 位于 HTML 属性（如 href）内，则可以修改正则表达式以包含引号和属性名称
0赞
bledi
9/4/2023
我尝试了带有 的版本，它适用于以斜杠结尾的 url，但如果 url 以引号而不是斜杠结尾，它仍然不匹配。另一个例子：这将匹配所有 ，但它应该匹配到 url 的末尾。有没有办法处理这两种情况？href'href="https://example.com/cost-center/sub-one/sub-two/article-3" data-id="5"'article-3" data-id="5"'
0赞
mickmackusa
9/9/2023
#2
从您对任务的描述和示例数据来看，URL 是否/如何用引号换行实际上并不重要。您只需要匹配 URL 的前导部分以验证它是否是 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，没有对捕获组的引用。这是因为会忘记/释放到该点为止匹配的所有字符，并且是一种预告，这意味着它不会消耗任何匹配的字符。test\K(?= ... )
至于隔离要替换的模式部分，我使用一个包含正斜杠和空格的否定字符类，然后是一个字面上的正斜杠。该子模式可能会多次重复一个矿石（因为量词）。+
代码：（演示)
echo preg_replace('#https://[^/]+/cost-center/\K([^/\s]+/)+(?=article)#', 'test/', $text);
评论