PHP自动更正URL

我不想重新发明轮子，但我找不到任何图书馆能完美地做到这一点

在我的脚本中，用户可以保存URL，当他们给我列表时，我希望如下所示：

google.com
www.msn.com
http://bing.com/
and so on...

我想能够保存在数据库中的“正确的格式”

我要做的是检查它是否存在协议，如果它不存在，我添加它，然后根据RegExp验证URL

对于PHP parse_url，任何包含协议的url都是有效的，所以它没有多大帮助

你们是怎么做到的，你们有什么想法想和我分享吗

编辑：

我想从用户输入中过滤出无效的URL（URL列表）。更重要的是，尝试自动更正无效的URL（例如，不包含协议）。当用户输入列表时，应该立即对其进行验证（没有时间打开URL检查它们是否确实存在）

从URL中提取部分会很好，比如

parse\u URL

do，但

parse\u URL

的问题是，它不能很好地处理无效的URL。我试图用它解析URL，对于缺少的部分（并且是必需的），我会添加默认的部分（例如，无协议，添加http）。但是“google.com”的

parse_url

不会将“google.com”作为主机名返回，而是作为路径返回

这对我来说似乎是一个非常常见的问题，但我在互联网上找不到可用的解决方案（找到了一些可以标准化URL的库，但如果URL无效，他们不会修复URL）

是否有一些“聪明”的解决方案，或者我应该坚持目前的做法：

• 查找第一个出现的：//并验证它之前的文本是否为有效协议，如果缺少，则添加协议
• 找到下一次出现的/并验证主机名是否为有效格式
• 为了更好地衡量，请通过RegExp整个URL再次验证

---

我只是觉得我会用这个拒绝一些有效的URL，对我来说最好是假阳性，假阴性。

这不是100%万无一失，而是一行

 $URL = (((strpos($URL,'https://') === false) && (strpos($URL,'http://') === false))?'http://':'' ).$URL;

编辑 如果主机名包含http，则我的初始版本显然存在问题

---

谢谢特伦特，它不是100%万无一失，而是一条1号班轮

 $URL = (((strpos($URL,'https://') === false) && (strpos($URL,'http://') === false))?'http://':'' ).$URL;

编辑 如果主机名包含http，则我的初始版本显然存在问题

---

感谢Trent我在解析url时遇到了与OP相同的问题，这是我自动更正url的快速而肮脏的解决方案（请记住，代码绝不完美或涵盖所有情况）：

结果：
http:/ww.example.com/lorum.html=>http://www.example.com/lorum.html
地鼠：/ww.example.com=>gopher://www.example.com
http://www3.example.com/？q=asd&f=#asd=>http://www3.example.com/?q=asd&f=#asd
asd://.example.com/folder/folder/ =>http://example.com/folder/folder/
.example.com/=>http://example.com/
example.com=>http://example.com
subdomain.example.com=>http://subdomain.example.com

函数url\u解析器（$url）{
//多个///将解析url搞砸，将2+替换为2
$url=preg_replace（'/（\/{2，}）/'，'/'，$url）；
$parse\u url=parse\u url（$url）；
if（空（$parse_url[“scheme”]））{
$parse_url[“scheme”]=“http”；
}
if（空（$parse_url[“host”]）和&！empty（$parse_url[“path”]））{
//从路径的开头删除斜杠
$parse_url[“host”]=ltrim（$parse_url[“path”]，“\/”）；
$parse_url[“path”]=“”；
}   
$return_url=“”；
//检查方案是否正确
if（！in_数组（$parse_url[“scheme”]，数组（“http”、“https”、“gopher”））{
$return_url.='http'：/'；
}否则{
$return_url.=$parse_url[“scheme”]。：/'；
}
//检查是否设置了正确数量的“www”。
$explode_host=explode（“.”，$parse_url[“host”]）；
//删除空条目
$explode\u host=阵列过滤器（$explode\u host）；
//并重新分配索引
$explode\u host=数组\u值（$explode\u host）；
//包含子域
如果（计数（$explode\u host）>2）{
//检查子域是否只包含字母w（然后不包含任何其他子域）。
if（substr_count（$explode_host[0]，'w'）==strlen（$explode_host[0]））{
//替换为“www”以避免“ww”或“ww”等。
$explode\u主机[0]=“www”；
}
}
$return\u url.=内爆（“.”，$explode\u host）；
如果（！empty（$parse_url[“port”]））{
$return_url.=“：”$parse_url[“port”]；
}
如果（！empty（$parse_url[“path”]））{
$return_url.=$parse_url[“path”]；
}
如果（！empty（$parse_url[“query”]））{
$return_url.='？'.$parse_url[“query”]；
}
如果（！empty（$parse_url[“fragment”]））{
$return_url.='#'。$parse_url[“fragment”]；
}
return$return\u url；
}
echo url_解析器（'http:/ww.example.com/lorum.html'）；//http://www.example.com/lorum.html
echo url_解析器（'gopher:/ww.example.com'）；//gopher://www.example.com
echo url_解析器（'http:/www3.example.com/？q=asd&f=#asd'）；//http://www3.example.com/?q=asd&f=#asd
回显url_解析器（'asd://.example.com/folder/folder/'); // http://example.com/folder/folder/
echo url_解析器（'.example.com/'）；//http://example.com/
echo url_解析器（'example.com'）；//http://example.com
echo url_解析器（'subdomain.example.com'）；//http://subdomain.example.com

我在解析url时遇到了与OP相同的问题，这是我自动更正url的快速而肮脏的解决方案（请记住，代码决不是完美的，也不能涵盖所有情况）：

结果：
http:/ww.example.com/lorum.html=>http://www.example.com/lorum.html
地鼠：/ww.example.com=>gopher://www.example.com
http://www3.example.com/？q=asd&f=#asd=>http://www3.example.com/?q=asd&f=#asd
asd://.example.com/folder/folder/ =>http://example.com/folder/folder/
.example.com/=>http://example.com/
example.com=>http://example.com
subdomain.example.com=>http://subdomain.example.com

函数url\u解析器（$url）{
//多个///将解析url搞砸，将2+替换为2
$url=preg_replace（'/（\/{2，}）/'，'/'，$url）；
$parse\u url=parse\u url（$url）；
if（空（$parse_url[“scheme”]））{
$parse_url[“scheme”]=“http”；
}
if（空（$parse_url[“host”]）和&！empty（$parse_url[“path”]））{
//从路径的开头删除斜杠
$parse_url[“host”]=ltrim（$parse_url[“pa