PHP 檢測字符串外鏈工具：基於正則匹配域名的實用函數

PHP 檢測字符串外鏈工具：基於正則匹配域名的實用函數

內容安全、SEO 審核、防灌水場景常需檢測用戶輸入是否包含外部鏈接。本文提供一個輕量級 PHP 函數 all_external_link()，通過正則提取所有鏈接域名並與當前域名比對，判斷是否存在外鏈。

函數簽名與邏輯

<?php
/**
 * 檢測字符串是否包含外部鏈接
 * @param string $text 待檢測文本
 * @param string $host 當前站點域名（可選，默認 $_SERVER['HTTP_HOST']）
 * @return bool true=無外鏈/全內鏈, false=存在外鏈
 */
function all_external_link(string $text = '', string $host = ''): bool {
    if (empty($host)) $host = $_SERVER['HTTP_HOST'];
    
    // 匹配 http(s)://domain.tld 格式，捕獲域名部分
    $reg = '/https?:\/\/((?:[A-Za-z0-9-]+\.)+[A-Za-z]{2,4})/';
    preg_match_all($reg, $text, $matches);
    
    $domains = $matches[1] ?? [];
    foreach ($domains as $domain) {
        if (strtolower($domain) !== strtolower($host)) {
            return false; // 發現外鏈
        }
    }
    return true; // 無外鏈或全內鏈
}
?>

正則表達式解析

/https?:\/\/((?:[A-Za-z0-9-]+\.)+[A-Za-z]{2,4})/
├── https?:\/\/      # 協議：https:// 或 https://
├── (                # 捕獲組 1：域名
│   (?:              # 非捕獲組：子域名部分
│       [A-Za-z0-9-]+\.  # 字母數字連字符 + 點
│   )+               # 一個或多個子域名
│   [A-Za-z]{2,4}    # 頂級域：2-4 字母
└── )

使用示例

<?php
$host = 'example.com';

$text1 = '歡迎訪問 https://example.com/about 和 https://example.com/contact';
var_dump(all_external_link($text1, $host)); // true (全內鏈)

$text2 = '查看外部資源 https://google.com 和 https://github.com';
var_dump(all_external_link($text2, $host)); // false (含外鏈)

$text3 = '混合鏈接 https://example.com/page https://evil.com/xss';
var_dump(all_external_link($text3, $host)); // false (含外鏈)

$text4 = '無鏈接純文本內容';
var_dump(all_external_link($text4, $host)); // true (無鏈接視為安全)
?>

擴展：提取所有外鏈詳情

<?php
function extract_external_links(string $text, string $host): array {
    $reg = '/https?:\/\/((?:[A-Za-z0-9-]+\.)+[A-Za-z]{2,4})/';
    preg_match_all($reg, $text, $matches);
    $domains = $matches[1] ?? [];
    
    $external = [];
    foreach ($domains as $domain) {
        if (strtolower($domain) !== strtolower($host)) {
            $external[] = $domain;
        }
    }
    return array_unique($external);
}

$text = '訪問 https://a.com, https://b.com, 再看 https://a.com/page';
print_r(extract_external_links($text, 'example.com'));
/* 輸出:
Array
(
    [0] => a.com
    [1] => b.com
)
*/
?>

進階：支援相對路徑、錨點、查詢參數

<?php
function extract_all_urls(string $text): array {
    // 更完整的 URL 正則 (RFC 3986 簡化版)
    $reg = '~
        \b
        (?:https?://)?                    # 可選協議
        (?:[A-Za-z0-9-]+\.)+[A-Za-z]{2,}  # 域名
        (?:/[^\s<>"\']*)?                 # 可選路徑
        (?:\?[^\s<>"\']*)?                # 可選查詢
        (?:#[^\s<>"\']*)?                 # 可選錨點
    ~x';
    preg_match_all($reg, $text, $matches);
    return $matches[0] ?? [];
}
?>

性能與局限性分析

生產環境加固建議

• 域名白名單機制：允許合作夥伴域名、CDN 域名通過檢測
• 短鏈接展開：集成短鏈接解析服務 (bit.ly, t.cn 等) 獲取真實域名
• 內容安全策略 (CSP)：前端配合 Content-Security-Policy 頭限制資源加載源
• 異步檢測：大量用戶生成內容 (UGC) 採用隊列異步掃描，不阻塞主流程
• 機器學習輔助：結合 NLP 識別偽裝鏈接（如 "google⋯com"、"visit：example.com"）

常見繞過技巧與防禦

此工具函數代碼精簡、零依賴，適合集成到表單驗證、內容審核、API 參數檢查等場景，作為第一道外鏈防線。