WordPress图片爬取插件：str_replace无法去除URL中https://后空格求助

嘿，我看你这个图片爬取插件遇到了URL空格的麻烦——https://后面多了个空格，用str_replace还搞不定对吧？这多半是因为原链接里藏着不可见的空白字符（比如全角空格、制表符，或者原src属性本身就带空格），或者你的过滤函数逻辑没覆盖到这种情况。

先拆解下你的image_url_filter函数：现在的逻辑是反复替换各种URL前缀，最后再加上https://，但如果原URL里的空白没被彻底清理，就会导致最终输出的链接带空格。

第一种修复方式：彻底清理所有空白字符 #

直接在过滤函数开头，用正则把所有空白字符（不管是可见的还是不可见的）都干掉：

function image_url_filter($url) {
    // 移除所有空白字符：空格、制表符、换行、全角空格都包含在内
    $url = preg_replace('/\s+/', '', $url);
    
    // 保留你原来的处理逻辑
    $url = str_replace('?ssl=1', '', $url);
    $url = str_replace('https://', '', $url);
    $url = str_replace('http://', '', $url);
    $url = str_replace('//', '', $url);
    $url = str_replace('http:', '', $url);
    
    return "https://{$url}";
}

第二种更严谨的方式：用PHP内置URL解析函数 #

如果原URL的结构比较复杂，比如带参数、不同协议混合，用parse_url来解析重构会更靠谱，避免手动替换出错：

function image_url_filter($url) {
    // 先清空白
    $url = preg_replace('/\s+/', '', $url);
    
    $parsed = parse_url($url);
    $host = $parsed['host'] ?? '';
    $path = $parsed['path'] ?? '';
    // 处理ssl参数
    $query = isset($parsed['query']) ? '?' . str_replace('ssl=1', '', $parsed['query']) : '';
    
    return "https://{$host}{$path}{$query}";
}

为啥原来的方法没用？ #

你之前可能只想着替换可见的空格，但如果原链接里的空格是全角的，或者是制表符这种看不见的字符，普通的str_replace(' ', '', $url)根本匹配不到。而preg_replace('/\s+/', '', $url)能匹配所有正则定义的空白，一次性清理干净。

另外，你也可以在循环里先打印原$image_links的值，看看原始的src到底是什么样，确认空格的来源：

foreach ($html->find('.page-break img') as $e) {
    $image_links = $e->src;
    // 打印原始链接，方便排查问题
    var_dump($image_links);
    array_push($images_url, image_url_filter($image_links));
}

这样能更精准地找到问题根源哦。

内容的提问来源于stack exchange，提问作者abbas ameer