在web开发中，我们经常需要从html内容或其他文本中提取特定格式的url，特别是那些包含动态参数（如过期时间expire和访问令牌token）的视频链接。这类url通常遵循http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0的格式。本文将提供两种主要策略来解决这一问题：使用正则表达式进行模式匹配，以及利用php内置函数进行结构化解析。
方法一：使用正则表达式精确匹配URL
正则表达式（Regex）是处理字符串模式匹配的强大工具。对于具有特定结构的URL，Regex能够灵活地进行提取。
1. 理解目标URL结构
首先，我们需要明确目标视频URL的组成部分：
- 协议和域名： http://cdn.videourl.mp4
- 查询字符串分隔符： ?
- 参数一： expire=1635939248
- 参数分隔符： &
- 参数二： token=7022dbc14de970c7uc040ac4f35058f0
其中，expire的值通常是纯数字，token的值是数字和字母的组合。
2. 构建基础正则表达式（参数顺序固定）
如果expire和token参数的顺序是固定的（例如，总是expire在前，token在后），我们可以构建一个相对直接的正则表达式：
立即学习“PHP免费学习笔记（深入）”；
http\S*?\.mp4\?[a-zA-Z]+=([0-9]+)&[a-zA-Z]+=([0-9a-z]+)
正则表达式解析：
- http: 匹配字面字符串"http"。
- \S*?: 匹配任意非空白字符零次或多次，非贪婪模式。这会匹配URL的域名部分直到.mp4。
- \.mp4: 匹配字面字符串".mp4"。注意\.用于匹配点号本身，因为点号在Regex中有特殊含义。
- \?: 匹配查询字符串的分隔符?。
- [a-zA-Z]+=: 匹配参数名（如expire），由一个或多个字母组成，后面紧跟等号=。
- ([0-9]+): 第一个捕获组，匹配expire的值，由一个或多个数字组成。
- &: 匹配参数分隔符&。
- [a-zA-Z]+=: 匹配第二个参数名（如token）。
- ([0-9a-z]+): 第二个捕获组，匹配token的值，由一个或多个数字或小写字母组成。
PHP示例代码：
<?php
$html = "这是一个包含视频链接的示例文本：http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0 还有其他内容。";
// 注意正则表达式需要用分隔符包裹，例如 `/.../`
preg_match_all('/http\S*?\.mp4\?[a-zA-Z]+=([0-9]+)&[a-zA-Z]+=([0-9a-z]+)/',
$html,
$matches, // 将包含匹配到的数据
PREG_SET_ORDER // 格式化数据为数组，每个匹配项一个子数组
);
echo "固定参数顺序的匹配结果:\n";
foreach ($matches as $match) {
echo "完整URL: " . $match[0] . "\n";
echo "Expire值: " . $match[1] . "\n";
echo "Token值: " . $match[2] . "\n";
}
/* 预期输出:
固定参数顺序的匹配结果:
完整URL: http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0
Expire值: 1635939248
Token值: 7022dbc14de970c7uc040ac4f35058f0
*/
?>3. 处理参数顺序不固定的情况
如果expire和token参数的顺序不固定（例如，expire可能在token之前，也可能在之后），我们需要更复杂的正则表达式，使用逻辑或|和非捕获组(?:...)来处理不同的顺序。
http\S*?\.mp4\?(?:expire=(?P<expire>[0-9]+)&token=(?P<token>[0-9a-z]+)|token=(?P<token>[0-9a-z]+)&expire=(?P<expire>[0-9]+))
正则表达式解析：
- http\S*?\.mp4\?: 这部分与之前相同，匹配URL的基础部分。
- (?:...|...): 这是一个非捕获组，内部包含两个通过|分隔的备选模式，表示匹配其中之一。
- expire=(?P<expire>[0-9]+)&token=(?P<token>[0-9a-z]+): 匹配expire在前，token在后的情况。(?P<name>...)是命名捕获组，允许我们通过名称而非数字索引访问匹配到的值。
- token=(?P<token>[0-9a-z]+)&expire=(?P<expire>[0-9]+): 匹配token在前，expire在后的情况。
PHP示例代码：
<?php
$html_fixed_order = "http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0";
$html_reversed_order = "http://cdn.videourl.mp4?token=7022dbc14de970c7uc040ac4f35058f0&expire=1635939248";
$pattern_unfixed_order = '/http\S*?\.mp4\?(?:expire=(?P<expire>[0-9]+)&token=(?P<token>[0-9a-z]+)|token=(?P<token>[0-9a-z]+)&expire=(?P<expire>[0-9]+))/';
preg_match_all($pattern_unfixed_order, $html_fixed_order, $matches_fixed, PREG_SET_ORDER);
echo "参数固定顺序匹配结果 (使用处理不固定顺序的正则):\n";
foreach ($matches_fixed as $match) {
echo "完整URL: " . $match[0] . "\n";
// 注意：preg_match_all 使用 PREG_SET_ORDER 时，命名捕获组仍会以数字索引形式出现，
// 且如果存在多个同名捕获组，只会保留最后一个。
// 更推荐使用 parse_url/parse_str 获取参数。
echo "Expire值: " . (isset($match['expire']) ? $match['expire'] : $match[1]) . "\n";
echo "Token值: " . (isset($match['token']) ? $match['token'] : $match[2]) . "\n";
}
preg_match_all($pattern_unfixed_order, $html_reversed_order, $matches_reversed, PREG_SET_ORDER);
echo "\n参数反转顺序匹配结果 (使用处理不固定顺序的正则):\n";
foreach ($matches_reversed as $match) {
echo "完整URL: " . $match[0] . "\n";
echo "Expire值: " . (isset($match['expire']) ? $match['expire'] : $match[2]) . "\n";
echo "Token值: " . (isset($match['token']) ? $match['token'] : $match[1]) . "\n";
}
?>注意： 尽管命名捕获组在正则表达式中提供了语义化的便利，但在preg_match_all与PREG_SET_ORDER结合使用时，如果存在多个同名捕获组，其行为可能不如预期直观。对于从URL中提取参数，通常更推荐使用PHP内置的URL解析函数。
方法二：利用PHP内置函数解析URL
对于标准格式的URL，PHP提供了parse_url()和parse_str()等内置函数，它们能更健壮、更清晰地解析URL的各个组成部分，避免了正则表达式的复杂性。
1. parse_url() 函数
parse_url()函数可以将URL解析成一个关联数组，包含其协议、主机、路径、查询字符串等部分。
<?php
$video_url = "http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0";
$url_components = parse_url($video_url);
print_r($url_components);
/* 预期输出:
Array
(
[scheme] => http
[host] => cdn.videourl.mp4
[query] => expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0
)
*/
?>我们可以通过指定PHP_URL_QUERY常量，直接获取查询字符串部分：
<?php $video_url = "http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0"; $query_string = parse_url($video_url, PHP_URL_QUERY); echo "查询字符串: " . $query_string . "\n"; // 输出: expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0 ?>
2. parse_str() 函数
parse_str()函数可以将URL的查询字符串解析成变量或一个关联数组。结合parse_url()，我们可以轻松地获取URL参数。
<?php
$video_url = "http://cdn.videourl.mp4?expire=1635939248&token=7022dbc14de970c7uc040ac4f35058f0";
// 1. 使用 parse_url 获取查询字符串
$query_string = parse_url($video_url, PHP_URL_QUERY);
// 2. 使用 parse_str 将查询字符串解析为数组
$params = []; // 初始化一个空数组来存储结果
parse_str($query_string, $params);
echo "使用内置函数解析参数:\n";
var_dump($params);
/* 预期输出:
array(2) {
["expire"]=>
string(10) "1635939248"
["token"]=>
string(32) "7022dbc14de970c7uc040ac4f35058f0"
}
*/
echo "Expire值: " . $params['expire'] . "\n";
echo "Token值: " . $params['token'] . "\n";
?>这种方法不仅代码更简洁、易读，而且对参数的顺序、编码等情况具有更好的健壮性。
注意事项与选择建议
-
正则表达式的适用场景：
- 当URL嵌入在复杂的、非结构化的文本中，需要先将URL本身提取出来时。
- 当URL的格式非常不规则，且内置函数无法直接处理时。
- 当需要对URL的特定部分进行高级模式匹配和验证时。
- 缺点： 编写和维护复杂的正则表达式可能比较困难，且容易出错；性能上可能不如内置函数高效。
-
内置函数的适用场景：
- 当已经获取到完整的URL字符串，且主要目标是解析其组成部分（特别是查询参数）时。
- 当需要处理URL编码、参数顺序不固定等标准URL特性时，内置函数提供了更健壮、更标准化的解决方案。
- 优点： 易用性高、代码清晰、维护成本低、性能通常优于自定义正则表达式。
总结： 对于从已知URL中提取expire和token这类查询参数，强烈推荐使用parse_url()结合parse_str()函数。它们提供了PHP官方支持的、更安全、更健壮、更易于维护的解决方案。正则表达式虽然强大，但其复杂性使其更适合于从大量非结构化文本中识别和提取URL本身，或者处理非常规的URL模式。在实际开发中，应根据具体的需求和URL的结构特点，明智地选择最合适的方法。
