DOMDocument-> gt; saveHTML () и urlencode с рекламным символом (@)

urlencode функция и rawurlencode в основном основаны на RFC 1738, Однако с 2005 года текущий RFC, используемый для стандарта URI, является RFC 3986,

С другой стороны, расширение DOM использует кодировку UTF-8, которая основана на RFC 3629 . Используйте utf8_encode () и utf8_decode () для работы с текстами в кодировке ISO-8859-1 или Iconv для других кодировок.

Общий синтаксис URI предписывает новые схемы URI, которые обеспечивают
представление символьных данных в URI должно, по сути,
представляют символы из незарезервированного набора без перевода, и
следует преобразовать все остальные символы в байты в соответствии с UTF-8, и
затем кодировать эти значения в процентах.

Вот функция для декодирования URL в соответствии с RFC 3986,

<?php
function myUrlEncode($string) {
$entities = array('%21', '%2A', '%27', '%28', '%29', '%3B', '%3A', '%40', '%26', '%3D', '%2B', '%24', '%2C', '%2F', '%3F', '%25', '%23', '%5B', '%5D');
$replacements = array('!', '*', "'", "(", ")", ";", ":", "@", "&", "=", "+", "$", ",", "/", "?", "%", "#", "[", "]");
return str_replace($entities, $replacements, urldecode($string));
}
?>

PHP Fiddle.

Обновить:

Поскольку UTF8 был использован для кодирования $message:

$dom_document->loadHTML(mb_convert_encoding($message, 'HTML-ENTITIES', 'UTF-8'))

использование urldecode($message) при возврате URL без процентов.

die(urldecode($message) . ' and url encoded version: ' . $urlencodedmerge);

Коренная причина вашей проблемы было очень хорошо объяснено с технической точки зрения.

Однако, на мой взгляд, в вашем подходе есть концептуальный недостаток, и это созданный ситуация, которую вы сейчас пытаетесь исправить.

Обрабатывая ваш вход $message через объект DomDocument вы перешли на более высокий уровень абстракции. Неправильно манипулировать как уникальной простой строкой чем-то, что было «продвинуто» в поток HTML.

Вместо того, чтобы пытаться воспроизвести поведение DomDocument, используйте саму библиотеку, чтобы найти, извлечь и заменить значения, представляющие интерес:

$token = 'blah blah [@MERGEID]';
$message = '<a id="' . $token . '" href="' . $token . '"></a>';

$dom = new DOMDocument();
$dom->loadHTML($message);
echo $dom->saveHTML(); // now we have an abstract HTML document

// extract a raw value
$rawstring = $dom->getElementsByTagName('a')->item(0)->getAttribute('href');
// do the low-level fiddling
$newstring = str_replace($token, 'replaced', $rawstring);
// push the new value back into the abstract black box.
$dom->getElementsByTagName('a')->item(0)->setAttribute('href', $newstring);

// less code written, but works all the time
$rawstring = $dom->getElementsByTagName('a')->item(0)->getAttribute('id');
$newstring = str_replace($token, 'replaced', $rawstring);
$dom->getElementsByTagName('a')->item(0)->setAttribute('id', $newstring);

echo $dom->saveHTML();

Как показано выше, сегодня мы пытаемся решить проблему, когда ваш токен находится внутри href, но однажды мы можем захотеть найти и заменить тег в другом месте документа. Чтобы учесть этот случай, не беспокойтесь о том, чтобы ваш низкоуровневый код учитывал HTML.

(альтернативным вариантом будет не загружать DomDocument, пока не будут выполнены все низкоуровневые замены, но я предполагаю, что это не практично)

Полное доказательство концепции:

function searchAndReplace(DOMNode $node, $search, $replace) {
if($node->hasAttributes()) {
foreach ($node->attributes as $attribute) {
$input = $attribute->nodeValue;
$output = str_replace($search, $replace, $input);
$attribute->nodeValue = $output;
}
}

if(!$node instanceof DOMElement) { // this test needs double-checking
$input = $node->nodeValue;
$output = str_replace($search, $replace, $input);
$node->nodeValue = $output;
}

if($node->hasChildNodes()) {
foreach ($node->childNodes as $child) {
searchAndReplace($child, $search, $replace);
}
}
}

$token = '<>&;[@MERGEID]';
$message = '<a/>';

$dom = new DOMDocument();
$dom->loadHTML($message);

$dom->getElementsByTagName('a')->item(0)->setAttribute('id', "foo$token");
$dom->getElementsByTagName('a')->item(0)->setAttribute('href', "http://foo@$token");
$textNode = new DOMText("foo$token");
$dom->getElementsByTagName('a')->item(0)->appendchild($textNode);

echo $dom->saveHTML();

searchAndReplace($dom, $token, '*replaced*');

echo $dom->saveHTML();

Если вы используете saveXML() это не испортит кодировку saveHTML() делает:

PHP

//your code...
$message = $dom_document->saveXML();

РЕДАКТИРОВАТЬ: также удалите тег XML:

//this will add an xml tag, so just remove it
$message=preg_replace("/\<\?xml(.*?)\?\>/","",$message);

echo $message;

Выход

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body><a href="http://www.example.com/click/[@MERGEID]?url=http://www.google.com?ref=abc&amp;tag=thebottomlink" data-tag="thebottomlink">Google</a></body></html>

Обратите внимание, что оба по-прежнему правильно конвертировать & в &

Разве не имеет смысла просто урленкодировать оригинал [@mergeid], кроме того, чтобы сохранить его в первую очередь? Ваш поиск должен соответствовать без str_replace?

$newlink = 'http://www.example.com/click/'.urlencode('[@MERGEID]').'?url=' . $link;

Я знаю, что это не отвечает на первый пост вопроса, но вы не можете размещать код в комментариях, насколько я могу судить.