文字列にURLが含まれていたら削除する - PHPプロ！Q&A掲示板

2604

0P

文字列にURLが含まれていたら削除する

質問日時 / 2010年3月8日 10:08 回答数 / 5件

Questioner: kanade Tweet

キーワード / キーワードが設定されていません

先日URLの削除について
先日も質問させて頂いたのですが
やりたいことが変わりまして文字列にURLが含まれていたら削除するという処理をしたいです。
コロコロ変わってしまい申し訳御座いません。

$string = 'てすとhttp://www.47news.jp/CN/201003/CN2010030801000031.htmlてすと';
$string = preg_replace('/^(http?|ftp)(:\/\/[-_.!~*\'()a-zA-Z0-9;\/?:\@&=+\$,%#]+)$/','',$string);
※間違えております・・・。

こんな感じにすると「てすとてすと」という文字列に変換するようにしたいのですが
期待通りの結果になりません。
ご教授願えないでしょうか？

この質問への意見の募集は締め切られ、ポイントは既に配分されました。
意見を投稿することはできますが、ポイントを受け取ることはできません。

この質問に返信

ツリー一覧

文字列にURLが含まれていたら削除するkanade

A01magicflute2この意見は投稿者によって削除されました。

A02shimix多分「php 自動リンク」あたりで検索すると、たくさん

A02-1kanadeご回答ありがとうございます。 URLを削除することが

A02-1-1shimix>imgタグなどでURLを指定している場合なども消してし

A03kanadeご回答ありがとうございます。本当にURLだけを削除

A03-1shimix>本当にURLだけを削除したいです。 >画像指定などのC

回答一覧

A01
answerermagicflute2 [3月8日 11:15] (最終編集：3月8日 11:27)

この意見は投稿者によって削除されました。

A02
answerershimix [3月8日 11:38]

多分「php 自動リンク」あたりで検索すると、たくさんサンプルが出てくると思います。

置換文字列を（自動リンク用文字列でなく）空にしてしまえばいいだけなので、修正はそれほど面倒じゃないと思いますけど・・。

（例）

$pat = '(https?|ftp)(://[[:alnum:]\+\$\;\?\.%,!#~*/:@&=_-]+)'; // 検出パターン
$rep = ''; // 置換パターン
$str = eregi_replace($pat, $rep, $str);

A02-1
replyerkanade [3月9日 08:32]

ご回答ありがとうございます。
URLを削除することが出来ました。
但し問題が御座いましてimgタグなどでURLを指定している場合なども消してしまっているみたいです。
これはしょうがないのでしょうか？

A02-1-1
replyershimix [3月9日 09:04] (最終編集：3月9日 09:08)

>imgタグなどでURLを指定している場合なども消してしまっているみたいです。

「文字列にURLが含まれていたら削除する」という仕様であれば当然そうなりますね。

>これはしょうがないのでしょうか？

たとえば先行する文字列が「="」もしくは「='」だったら対象外にする・・などでしょうか。いずれにしても先に仕様を確定させてください。HTMLソースであれば同様なケースはimg要素（のsrc属性）だけではないハズですから。anchor要素のhref属性とかCSSでの背景画像の記述などもありますよね。

＃どういうものを対象にするか（どういうものを対象外にするか）は『仕様』ということになります。

極端な話、先行する文字が「"」「'」を対象外にするだけで済むかもしれません（が、普通に文字列中で引用符で括っているケースがないとも限りませんよね）。

なお、一般的に「後出しで条件を出されるのが大嫌い」という方が多いと思います（私もそうです）。注意してください。

A03
answererkanade [3月10日 05:13]

ご回答ありがとうございます。
本当にURLだけを削除したいです。
画像指定などのCSSやimgタグのURLは削除したくありません。

A03-1
replyershimix [3月10日 17:48]

>本当にURLだけを削除したいです。
>画像指定などのCSSやimgタグのURLは削除したくありません。

最初から「文字列」などと書かずに「HTMLソース」と書いていただけると早かったかもしれません。また「何を対象外にするか」は、ちゃんと明文化しておかないとあとあと困ると思います。

＃いずれにしても「URLだけを削除したい」意図はわかりませんが（汗

とりあえずsource.htmlを読み込んでoutput.htmlに書き出すようにしてみました（とんでもない考え違いをしているかもしれません）。diffでのソース比較が出来るエディタを使えば結果はわかるかと思います。

とりあえずhead要素内は何もしません。つまりDTDに含まれるURIやstyle要素に存在するURLは対象外にしています。またbody要素内で「<」と「>」で挟まれている範囲はそのままにしています。それ以外の部分についてのみ置換させます。

<?php
$pat = '(https?|ftp)(://[[:alnum:]\+\$\;\? \.%,!#~*/:@&=_-]+)';
$rep = '';
$html = file_get_contents('source.html');
$sep = stripos($html, '<body');
if ($sep === false) { die('incorrect source'); }
$dest = substr($html, 0, $sep);
$html = substr($html, $sep, strlen($html) - $sep);
if (substr_count($html, '<') <> substr_count($html, '>')) { die('incorrect source'); }
$array = explode('<', $html);
foreach ($array as $item) {
if ($item == '') { continue; }
list($item1, $item2) = explode('>', $item);
$dest .= '<' . $item1 . '>';
$dest .= eregi_replace($pat, $rep, $item2);
}
$fp = fopen('output.html', 'w');
fputs($fp, $dest);
fclose($fp);
?>