本文介绍一种精准正则表达式方案，用于从文本中删除 http://、https:// 和 www. 等 URL 前缀，同时严格保留独立出现的 www.（如句末的 "www."），避免误删。
本文介绍一种精准正则表达式方案，用于从文本中删除 `http://`、`https://` 和 `www.` 等 url 前缀，同时严格保留独立出现的 `www.`（如句末的 "www."），避免误删。
在处理用户输入或富文本内容时，常需清理 URL 显示形式——例如将 https://www.goal.com/1234 简化为 goal.com/1234，但又不能误伤文本中正常使用的 www.（如 “Visit our site at www.”）。原始的 str_replace 方案存在明显缺陷：它无差别替换所有匹配子串，导致第 5 个用例 www. 被错误处理为 .。
根本问题在于：需区分“作为 URL 组成部分的 www.”与“孤立、非 URL 上下文中的 www.”。解决方案是使用上下文感知的正则表达式，通过断言（lookahead）确保 www. 后紧跟有效域名字符（如字母、数字、点、斜杠等），而非行尾、空格或标点。
✅ 推荐正则表达式：
/(https?:\/\/)?www\.(?=[a-zA-Z0-9.-]+[\/\s]|\/)/i
但更简洁、鲁棒且符合题意的写法是（参考答案优化版）：
/(https?:\/\/)?www\.(?=[^\s]*[a-zA-Z0-9])/i
不过，针对题目中所有示例（含结尾空格、括号、尖括号等），最稳妥的工业级表达式为：
function removeUrlPrefixes($text) {
// 匹配可选协议 + 'www.'，且其后必须紧接至少一个域名有效字符（字母/数字/点/斜杠）
$pattern = '/(https?:\/\/)?www\.(?=[a-zA-Z0-9.-\/])/i';
$replaced = preg_replace($pattern, '', $text);
// 进一步清理残留协议（如单独的 http:// 或 https://）
$replaced = preg_replace('/https?:\/\//i', '', $replaced);
return $replaced;
}
// 测试用例
$testCases = [
'lorum ipsum [www.goal.com](http://www.goal.com)',
'lorum ipsum <http://www.goal.com>',
'lorum ipsum <https://www.goal.com>',
'lorum ipsum <https://www.goal.com/1234>',
'lorum ipsum www.'
];
foreach ($testCases as $case) {
echo htmlspecialchars($case) . " → " . htmlspecialchars(removeUrlPrefixes($case)) . "\n";
}? 关键原理说明：
- (https?:\/\/)?：非捕获组，可选匹配 http:// 或 https://；
- www\.：字面量匹配 www.（注意转义点）；
- (?=[a-zA-Z0-9.-\/])：正向先行断言，要求 www. 后立即出现至少一个合法域名字符（字母、数字、点、短横线或斜杠），从而排除 www. 出现在句末、空格前或标点前的情况；
- /i：忽略大小写，兼容各种协议写法。
⚠️ 注意事项：
- 不要使用 str_replace 链式调用——它无法判断上下文，必然误删；
- 避免过度简化为 ~^www\.~（仅匹配行首）或 ~www\.~（全局暴力替换）；
- 若需支持国际化域名（IDN），应在解码后处理，本例假设 ASCII 域名；
- 实际项目中建议配合 filter_var($url, FILTER_VALIDATE_URL) 做二次校验，提升健壮性。
通过该方案，所有测试用例均能正确输出：
lorum ipsum [goal.com](goal.com) → 实际渲染中括号内链接已去协议，显示更简洁；
而 lorum ipsum www. 完全保留，真正实现「精准剥离，零误伤」。
