Buscar todos los enlaces externos dentro del content de una instalacion WordPress

buscar_enlaces_externos.php

<?php

/**
 * Función principal que busca enlaces externos que no apunten a dominios permitidos y los guarda en un archivo CSV.
 *
 * @param string $output_file  El archivo donde se guardarán los enlaces externos.
 * @param array  $allowed_domains Lista de dominios permitidos.
 */
function ibp_check_external_links( $output_file = 'external_links.csv', $allowed_domains = [] ) {
    global $wpdb;

    // Añadir el dominio del sitio a la lista de dominios permitidos
    $site_url = parse_url( home_url(), PHP_URL_HOST );
    $allowed_domains[] = $site_url;

    // Filtro para modificar la lista de dominios permitidos
    $allowed_domains = apply_filters( 'ibp_check_external_links_allowed_domains', $allowed_domains );

    // Crear el patrón regex excluyendo los dominios permitidos
    $pattern = '/https?:\/\/(?!' . implode('|', array_map('preg_quote', $allowed_domains)) . ')[\w.-]+(?:\.[\w\.-]+)+[\w\-\._~:\/?#[\]@!$&\'()*+,;=.]+/i';
    $pattern = apply_filters( 'ibp_check_external_links_pattern', $pattern, $allowed_domains );

    // Abrir archivo para guardar los resultados
    $file = fopen( $output_file, 'w' );
    fputcsv( $file, apply_filters( 'ibp_check_external_links_csv_headers', [ 'Post ID', 'Post Title', 'Post Type', 'Permalink', 'URL Found', 'Host' ] ) );

    // Obtener todos los posts publicados (de cualquier tipo)
    $posts = $wpdb->get_results( "SELECT ID, post_title, post_content, post_type FROM {$wpdb->posts} WHERE post_status = 'publish'" );

    // Acción antes de comenzar el escaneo
    do_action( 'ibp_check_external_links_before_scan', $posts );

    // Revisar cada post
    foreach ( $posts as $post ) {
        preg_match_all( $pattern, $post->post_content, $matches );

        if ( ! empty( $matches[0] ) ) {
            foreach ( $matches[0] as $external_link ) {
                // Obtener el host (dominio) del enlace externo
                $host = parse_url( $external_link, PHP_URL_HOST );
                
                // Obtener el permalink del post
                $permalink = get_permalink( $post->ID );

                // Acción antes de procesar cada enlace
                do_action( 'ibp_check_external_links_before_process_link', $post, $external_link, $host );

                // Mostrar información por pantalla (solo si está en WP-CLI)
                if ( defined( 'WP_CLI' ) && WP_CLI ) {
                    WP_CLI::line( "Post ID: {$post->ID} - Post Title: {$post->post_title} - Post Type: {$post->post_type} - Permalink: {$permalink} - URL: {$external_link} - Host: {$host}" );
                }

                // Guardar en el archivo CSV
                fputcsv( $file, apply_filters( 'ibp_check_external_links_csv_row', [ $post->ID, $post->post_title, $post->post_type, $permalink, $external_link, $host ], $post, $external_link, $host ) );
            }
        }
    }

    fclose( $file );

    // Acción después de completar el escaneo
    do_action( 'ibp_check_external_links_after_scan', $output_file );

    $success_message = apply_filters( 'ibp_check_external_links_scan_success_message', "Enlaces externos encontrados y guardados en {$output_file}." );

    if ( defined( 'WP_CLI' ) && WP_CLI ) {
        WP_CLI::success( $success_message );
    }

    return $success_message;
}

/**
 * Registra un comando WP-CLI para gestionar los enlaces externos.
 */
if ( defined( 'WP_CLI' ) && WP_CLI ) {

    class IBP_Check_External_Links_Command {

        /**
         * Comando WP-CLI que escanea los enlaces externos.
         *
         * ## OPTIONS
         *
         * [--output-file=<file>]
         * : El archivo donde se guardarán los enlaces externos. Por defecto: "external_links.csv".
         *
         * [--allowed-domains=<domains>]
         * : Una lista separada por comas de dominios permitidos (además del dominio del sitio actual).
         *
         * ## EXAMPLES
         *
         *     wp ibp_check_external_links --output-file=external_links.csv --allowed-domains="example.com,anotherdomain.com"
         */
        public function __invoke( $args, $assoc_args ) {
            // Obtener el archivo de salida desde los argumentos o usar un valor por defecto
            $output_file = isset( $assoc_args['output-file'] ) ? $assoc_args['output-file'] : 'external_links.csv';

            // Obtener los dominios permitidos desde los argumentos o usar un array vacío
            $allowed_domains = isset( $assoc_args['allowed-domains'] ) ? explode( ',', $assoc_args['allowed-domains'] ) : [];

            // Ejecutar la función principal
            ibp_check_external_links( $output_file, $allowed_domains );
        }
    }

    // Registrar el comando en WP-CLI
    WP_CLI::add_command( 'ibp_check_external_links', [ 'IBP_Check_External_Links_Command', '__invoke' ] );
}

//wp ibp_check_external_links --output-file=external_links.csv --allowed-domains="example.com,anotherdomain.com"
//ibp_check_external_links( 'external_links.csv', [ 'example.com', 'anotherdomain.com' ] );