Php 是否有一个正则表达式从URI中剥离特定的查询变量？

我有一堆HTML，它们是由使用C、XML和XSL的守护进程生成的。然后我有一个PHP脚本，它提取HTML标记并将其显示在屏幕上

我有大量与XHTML1兼容的标记。我需要修改标记中的所有链接以删除

&；utm_来源=报告和；utm_medium=电子邮件和；utm_活动=报告

到目前为止，我考虑了两种选择

在PHP后端进行正则表达式搜索，以整理分析代码

编写一些Jquery来循环链接，然后从href中删除分析代码

障碍：

HTML可以是巨大的。即超过4MB（运行了一些测试，平均约100Kb）

一定要快，我们大约有3公里 想法

---

现在我正在尝试使用

str_replace（'&；utm_source=report&；utm_medium=email&；utm_campaign=report'，''$html）但它不起作用。
对于这么大的HTML块，我会将其分配给外部进程，可能是一个perl脚本

我不是很肯定，因为我从来没有尝试过解析如此多的文本，但我愿意承认PHP不会很快做到这一点

你的预期负荷是多少？您需要多久做一次这种处理？这听起来像是一个批处理操作，我承认我对这类任务的经验有限，它不需要非常快，但速度足够快，可以在合理的时间内执行（也就是说，你不会在一夜之间等它或其他什么）
不是真正的RegExp，但它可能会帮助你（未经测试）:

$xmlPrologue=''；
$source=“…”；//你是生意人
$dom=新的DOMDocument（$source）；
$dom->loadXML（$source）；
$links=$dom->getElementsByTagName（'a'）；
foreach（$links作为$link）{
list（$base，$queryString）=分解（'？'，$link->getAttribute（'href'）；
//读取数组中的GET参数
parse_str（，$queryString/*通过引用赋值*/）；
//摆脱不需要的获取参数
未设置（$queryString['utm_source']）；
未设置（$queryString['utm_medium']）；
取消设置（$queryString['utm_email']）；
未设置（$queryString['utm_report']）；
//重新组合查询字符串
$queryString=http_build_query（$queryString，null，&；'）；
//或者（不确定哪一个是最好的）
$queryString=http_build_query（$queryString，null，&'）；
//分配新清理的href属性
$link->setAttribute（'href'，$base'？'。$queryString）；
}
$html=$dom->saveXML（）；
//去掉XML声明。使IE处于怪癖模式
$html=substr_replace（$html，，，0，strlen（$xmlPrologue））；
$html=trim（$html）；
echo$html；
正则表达式是一种方法。或者，您可以使用XPath查找文档中的所有链接，然后处理循环中的每个链接。因为这是一个XHTML文档，如果假设它是格式良好的，那么这种方法似乎是合理的。
如果字符串总是相同的，那么最快的php函数I；我发现这是strtrtr


显然，您需要对速度进行基准测试，但这应该在那里。
PHP的
preg\u replace\u all（）
如果您在后端以CGI模式运行它，它将非常快地完成此任务。为什么有时不使用cronjob运行php脚本来处理所有的HTMLs呢？因此，前端php脚本只会将处理后的内容放入浏览器，而不进行任何计算。
您可以使用
sed
或其他低级工具删除这些部分：

find /path/to/dir -type f -name '*.html' -exec sed -i 's/&utm_source=report&utm_medium=email&utm_campaign=report//g' {} \;

但这将在任何地方删除此字符串，而不仅仅是在URL中。所以要小心。
我最终推迟使用str_replace并在整个文档内容中替换字符串：（.
几年前我遇到了这个问题，并提出了以下正则表达式来替换URL中这些utm变量的任何实例：

/(\?|\&)?utm_[a-z]+=[^\&]+/

用法示例：

preg_replace('/(\?|\&)?utm_[a-z]+=[^\&]+/', '', 'http://mashable.com/2010/12/14/android-quick-start-guide/?utm_source=twitterfeed&utm_medium=twitter&utm_campaign=Feed%3A+Mashable+%28Mashable%29');

我在博客中介绍了这一体验
Wow！我希望看到该服务器上的进程列表，具有20M DOMs解析功能…这种方式很好，但不适用于大型文件，因为DOM扩展占用了大量内存。老实说，我从未在20MB HTML上尝试过它，但我也希望看到进程列表。PHP有时非常慢。这种方法似乎更容易实现o、 不要使用正则表达式。使用原始字符串替换。我怀疑&utm_source=report&utm_medium=email&utm_campaign=report会出现在链接之外，所以使用正则表达式可能不是您想要的。我想知道20MB的HTML中会有什么内容……为什么不能更改守护程序C/Xml/XSL代码而不生成“&utm\u来源=报告&utm\u媒体=电子邮件&utm\u活动=报告"首先，没有代码比没有代码快。我不能更改守护进程。我想在为web生成此代码时使用单独的XSL样式表，而不是电子邮件，但这在现在是不可行的。我会对原始数据进行第二次修复，而不是在服务器或cl中修改它客户端。这会覆盖初始文件吗？我不想覆盖初始文件。是的，会覆盖（请参见
-I
）。如果您不想这样做，请设置
-i.backup
，您将得到一个
*文件名*.backup
。但是，在将它应用于所有文件之前，请先在一些测试文件上尝试它。
strtr
只替换某些字符。请改用
stru replace
。strstrstr的问题是它只是字符串的第一次出现。@Gumbo他要求速度，strtr比str_replace快得多@Zachary Spencer strtr不是strstrstr，整个strtr都是strtr给我的问题。以下是strtr给我的示例输出：没有acmivimy mo reporm！如果yoa不熟悉mhis，我会付钱给你一个指示，mham Zachary正在使用str_replace，这是有效的…现在。最终我想转移到它自己的XSL文件。不管
strtr
的速度有多快都不重要
/(\?|\&)?utm_[a-z]+=[^\&]+/

preg_replace('/(\?|\&)?utm_[a-z]+=[^\&]+/', '', 'http://mashable.com/2010/12/14/android-quick-start-guide/?utm_source=twitterfeed&utm_medium=twitter&utm_campaign=Feed%3A+Mashable+%28Mashable%29');