PHPの文字列にドメイン名が存在することを検出するには

Question

毎日たくさんのアカウントを作成しているサイトで大量のスパムの問題が発生しており、URL短縮サービス（それは何百もある）。リンクが存在するかどうかをチェックする関数があります（http：//またはwww。なし）。ほとんどの場合、あまり一般的ではありません。

それらのほとんどは、私がdomain.extの存在を確認し、これらの投稿から新しいユーザーを禁止したいと思いますdomain.ext/43tg34g

の形態です。

Answer 1

彼らは、ハイパーリンクとしてそれらを作成する場合は、多分あなたは<a>...</a>

Answer 2

を検索することができます私はトリックがTLDのためのテキストをスキャンし、その前に、すべての連続なし、空白文字のために後方に見ると思います。

.com 

終わる行または省略記号の終了を表すされていない：行末または省略記号を表すドットは、通常のスペースが続いているので、私はあなたが安全に、インスタンスのためのドットがあることを前提とすることができると思います。 （現時点では、ドットのために、他の一般的な用途を考えることはできません。）

マインドあなたのそれはのようなもので、このような予防措置を回避するために非常に簡単だというかかわら：

test . com 
test[dot]com 
test. com 

等...

おそらく、私は後であなたに基本正規表現を提供します。私は今は行く必要があります。

申し訳ありませんが、私はそれに亀裂がありました。おそらくまだ素朴なソリューションのビットは、それがスタートです：正規表現は、それらに優先度を与えるように

// TLDs acquired from http://www.iana.org/domains/root/db/ 
// left out not-latin TLDs though 
$tlds = array(
    'ac', 'ad', 'aero', 'ae', 'af', 'ag', 'ai', 'al', 'am', 'an', 'ao', 'aq', 'arpa', 'ar', 'asia', 'as', 'at', 'au', 'aw', 'ax', 'az', 
    'ba', 'bb', 'bd', 'be', 'bf', 'bg', 'bh', 'biz', 'bi', 'bj', 'bl', 'bm', 'bn', 'bo', 'bq', 'br', 'bs', 'bt', 'bv', 'bw', 'by', 'bz', 
    'ca', 'cat', 'cc', 'cd', 'cf', 'cg', 'ch', 'ci', 'ck', 'cl', 'cm', 'cn', 'coop', 'com', 'co', 'cr', 'cu', 'cv', 'cw', 'cx', 'cy', 'cz', 
    'de', 'dj', 'dk', 'dm', 'do', 'dz', 
    'ec', 'edu', 'ee', 'eg', 'eh', 'er', 'es', 'et', 'eu', 
    'fi', 'fj', 'fk', 'fm', 'fo', 'fr', 
    'ga', 'gb', 'gd', 'ge', 'gf', 'gg', 'gh', 'gi', 'gl', 'gm', 'gn', 'gov', 'gp', 'gq', 'gr', 'gs', 'gt', 'gu', 'gw', 'gy', 
    'hk', 'hm', 'hn', 'hr', 'ht', 'hu', 
    'id', 'ie', 'il', 'im', 'info', 'in', 'int', 'io', 'iq', 'ir', 'is', 'it', 
    'je', 'jm', 'jobs', 'jo', 'jp', 
    'ke', 'kg', 'kh', 'ki', 'km', 'kn', 'kp', 'kr', 'kw', 'ky', 'kz', 
    'la', 'lb', 'lc', 'li', 'lk', 'lr', 'ls', 'lt', 'lu', 'lv', 'ly', 
    'ma', 'mc', 'md', 'me', 'mf', 'mg', 'mh', 'mil', 'mk', 'ml', 'mm', 'mn', 'mobi', 'mo', 'mp', 'mq', 'mr', 'ms', 'mt', 'museum', 'mu', 'mv', 'mw', 'mx', 'my', 'mz', 
    'name', 'na', 'nc', 'ne', 'net', 'nf', 'ng', 'ni', 'nl', 'no', 'np', 'nr', 'nu', 'nz', 
    'om', 'org', 
    'pa', 'pe', 'pf', 'pg', 'ph', 'pk', 'pl', 'pm', 'pn', 'pro', 'pr', 'ps', 'pt', 'pw', 'py', 
    'qa', 
    're', 'ro', 'rs', 'ru', 'rw', 
    'sa', 'sb', 'sc', 'sd', 'se', 'sg', 'sh', 'si', 'sj', 'sk', 'sl', 'sm', 'sn', 'so', 'sr', 'st', 'su', 'sv', 'sx', 'sy', 'sz', 
    'tc', 'td', 'tel', 'tf', 'tg', 'th', 'tj', 'tk', 'tl', 'tm', 'tn', 'to', 'tp', 'travel', 'tr', 'tt', 'tv', 'tw', 'tz', 
    'ua', 'ug', 'uk', 'um', 'us', 'uy', 'uz', 
    'va', 'vc', 've', 'vg', 'vi', 'vn', 'vu', 
    'wf', 'ws', 
    'xxx', 
    'ye', 'yt', 
    'za', 'zm', 'zw' 
); 
echo preg_replace('~(\S+\.(' . implode('|', $tlds) . ')(/\S*)?)~i', '<a href="\1">\1</a>', $text); 

のTLD配列は、最初のアルファベット順に長いのTLDでソートされます。

'<a href="\1">\1</a>'を''に置き換えて、実際にURLを削除してください。これをここに置いて、URLにURLがどこにあるのかを簡単に確認できるようにしました。

アクションon codepadで確認できます。

改善が大歓迎です。