PHP 實用工具函數集 (第三輯)：URL 獲取、全半形轉換、HTML 處理、路徑轉換、連結提取與表格解析

四、相對路徑轉絕對路徑 (HTML 內容)

function relative_to_absolute(string $content, string $baseUrl): string {
    // 解析基礎 URL
    $parsed = parse_url($baseUrl);
    $scheme = $parsed['scheme'] ?? 'http';
    $host = $parsed['host'] ?? '';
    if (!$host) return $content;
    
    $base = "{$scheme}://{$host}";
    
    // href="/path" → href="https://host/path"
    $content = preg_replace('/href\s*=\s*["\']\//', 'href="' . $base . '/', $content);
    // src="/path" → src="https://host/path"
    $content = preg_replace('/src\s*=\s*["\']\//', 'src="' . $base . '/', $content);
    
    return $content;
}

// 更完整版：處理所有相對路徑 (../, ./, 無前綴)
function makeLinksAbsolute(string $html, string $baseUrl): string {
    $dom = new DOMDocument();
    @$dom->loadHTML('' . $html, LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    $xpath = new DOMXPath($dom);
    
    foreach (['href', 'src'] as $attr) {
        foreach ($xpath->query("//*[@{$attr}]") as $node) {
            $value = $node->getAttribute($attr);
            if ($value && !preg_match('/^[a-z]+:/i', $value) && $value[0] !== '#') {
                $node->setAttribute($attr, rtrim($baseUrl, '/') . '/' . ltrim($value, '/'));
            }
        }
    }
    return $dom->saveHTML();
}

五、提取所有連結

function get_all_url(string $html): array {
    // 正則版 (簡單、快速、但不嚴謹)
    preg_match_all('/"\'\s]+)["\']?[^>]*>([^<]+)<\/a>/i', $html, $matches);
    return ['name' => $matches[2], 'url' => $matches[1]];
}

// DOM 版 (標準、健壯、支援巢狀/屬性順序不固定)
function getAllLinksDom(string $html): array {
    $dom = new DOMDocument();
    @$dom->loadHTML('' . $html);
    $links = [];
    foreach ($dom->getElementsByTagName('a') as $a) {
        $href = $a->getAttribute('href');
        $text = trim($a->textContent);
        if ($href) $links[] = ['url' => $href, 'name' => $text];
    }
    return $links;
}

六、HTML 表格解析為陣列

逐行解析 (簡易版)

function get_tr_array(string $tableHtml): array {
    // 將 ... 轉為 CSV 風格分隔
    $table = preg_replace("']*>'si", '"', $tableHtml);
    $table = str_replace('', '",', $table);
    $table = str_replace('', "{tr}", $table);
    
    // 移除所有 HTML 標籤
    $table = preg_replace("'<[/!]*?[^<>]*?>'si", "", $table);
    // 移除空白字元  
    $table = str_replace(['\r','\n','\t',' ',' '], '', $table);
    
    $rows = explode('{tr}', $table);
    array_pop($rows); // 最後空元素
    return $rows; // 每行如 '"cell1","cell2","cell3"'
}

完整儲存格解析 (二維陣列)

function get_td_array(string $tableHtml): array {
    // 移除 table, tr 標籤，保留 td 內容結構
    $table = preg_replace("']*>'si", "", $tableHtml);
    $table = preg_replace("']*>'si", "", $table);
    $table = preg_replace("']*>'si", "", $table);
    $table = str_replace('', "{tr}", $table);
    $table = str_replace('', "{td}", $table);
    
    // 清理標籤與空白
    $table = preg_replace("'<[/!]*?[^<>]*?>'si", "", $table);
    $table = preg_replace("'([\r\n])[\s]+'", "", $table);
    $table = str_replace([' ', ' '], '', $table);
    
    $rows = explode('{tr}', $table);
    array_pop($rows);
    
    $result = [];
    foreach ($rows as $row) {
        $cells = explode('{td}', $row);
        array_pop($cells);
        $result[] = $cells;
    }
    return $result;
}

// 現代 DOM 版 (推薦生產環境)
function parseTableDom(string $html): array {
    $dom = new DOMDocument();
    @$dom->loadHTML('' . $html);
    $tables = [];
    foreach ($dom->getElementsByTagName('table') as $table) {
        $rows = [];
        foreach ($table->getElementsByTagName('tr') as $tr) {
            $cells = [];
            foreach ($tr->getElementsByTagName('td') as $td) {
                $cells[] = trim($td->textContent);
            }
            if ($cells) $rows[] = $cells;
        }
        if ($rows) $tables[] = $rows;
    }
    return $tables; // 多表格支援
}

七、提取英文單詞 (去重、排序)

function split_en_str(string $str, bool $distinct = true): array {
    preg_match_all('/([a-zA-Z]+)/', $str, $matches);
    $words = $matches[1];
    if ($distinct) $words = array_unique($words);
    sort($words, SORT_STRING | SORT_FLAG_CASE); // 不區分大小寫排序
    return $words;
}

// 範例
$text = "Hello world, hello PHP! World is beautiful.";
print_r(split_en_str($text));
/*
Array
(
    [0] => beautiful
    [1] => hello
    [2] => is
    [3] => php
    [4] => world
)
*/

總結與現代化建議

核心原則：**HTML 解析請用 DOMDocument，不要用正則**。正則無法正確處理巢狀標籤、屬性順序、編碼實體、條件註解等真實世界複雜性。PHP 的 `DOMDocument` 雖然 API 稍顯繁瑣，但配合 `DOMXPath` 是處理 HTML/XML 的正統之道。