PHP正则表达式，跳过<；链接>；rel=”时的标记；规范的；

我在WordPress中运行一个PHP脚本，使用以下正则表达式从所有链接中删除

http:

和

https:

协议：

$links = preg_replace( '/<input\b[^<]*\bvalue=[\"\']https?:\/\/(*SKIP)(*F)|https?:\/\//', '//', $links );

此外，我希望它跳过任何具有

rel=“canonical”

属性的

标记：

<link rel="canonical" href="http://example.com/remove-http/" />

我一直在尝试使用一种新的方法来更新逻辑。这就是我到目前为止的想法：

<(input|link)\b[^<]*\(value|rel)=[\"\'](https?:\/\/|canonical)(*SKIP)(*F)|https?:\/\/

---

<代码> 您应该考虑使用内置的PHP DOM类。

HTML是一种非常丰富的语言，正则表达式的功能不足以有效地解析它。请不要使用正则表达式解析HTML

使用正则表达式解析HTML会让用户发疯：

动词

（*SKIP）（*F）

用于丢弃到目前为止匹配的文本，并在将文本与这些动词之前的模式匹配后，从正则表达式索引所在的位置继续搜索下一个匹配

因此，要匹配

word1

或

word2

，请删除它们并继续查找

word3

，您需要使用

'~(?:word1|word2)(*SKIP)(*F)|word3~'

（？：…）

非捕获组将对必须删除的备选方案进行分组

在您的情况下，应该匹配整个

，而不仅仅是匹配属性。因此，您需要类似于

link\b[^>]*？\brel=[\'\“]规范[\'\'\“][^>]*>

的内容，而不是上述正则表达式中的

word2

---

但是，您应该考虑使用与您的环境兼容的HTML解析器（我看到您注意到DOMDocument出现故障）。

不是答案，但是你真的应该停止使用协议相关的URL，因为它们对安全性和性能有害：和。类似的。我是在其他人的帮助下这样做的，和。但它引发了更多的问题，尤其是在WordPress的管理面板上。在我恢复到regex之前，非常欢迎您帮助改进该版本。您说得对，我切换到了

DOMDocument

，但这导致了问题。

'~(?:word1|word2)(*SKIP)(*F)|word3~'