将url转换为字符串中的链接，除非它们位于html标记的属性中

时间：2012-09-21 21:23:44

标签： php regex url preg-replace linkify

我正在尝试从textarea输入（$_POST['content']）转换所有要链接的网址。

$content = preg_replace('!(\s|^)((https?://)+[a-z0-9_./?=&-]+)!i', ' <a href="$2" target="_blank">$2</a> ', nl2br($_POST['content'])." ");
$content = preg_replace('!(\s|^)((www\.)+[a-z0-9_./?=&-]+)!i', '<a target="_blank" href="http://$2"  target="_blank">$2</a> ', $content." ");

目标链接格式：www.hello.com或http(s)://(www).hello.com

但这似乎打破了任何iframe，图像或类似的，

正确的正则表达式如何忽略html标签中的网址？

注意：我知道我需要两个表达方式;一个检测没有协议链接（如www.hello.com，所以我需要预先添加）和另一个检测URL与协议（所以不需要预先添加）。

4 个答案:

答案 0 :(得分：16)

您的代码不应该是iframes等问题，因为在那里，您的网址前面通常有"，而不是空格，正如您的模式所需。

但是，这里有不同的解决方案。如果您在HTML评论中有单个<或>或类似内容，则可能无法100％有效。但在任何其他情况下，它应该服务你好（我不知道这是否是你的问题）。它使用负前瞻来确保在任何开放>之前没有关闭<（因为这意味着，您在标签内）。

$content = preg_replace('$(\s|^)(https?://[a-z0-9_./?=&-]+)(?![^<>]*>)$i', ' <a href="$2" target="_blank">$2</a> ', $content." ");
$content = preg_replace('$(\s|^)(www\.[a-z0-9_./?=&-]+)(?![^<>]*>)$i', '<a target="_blank" href="http://$2"  target="_blank">$2</a> ', $content." ");

如果你不熟悉这种技术，可以进一步详细说明。

(?!        # starts the lookahead assertion; now your pattern will only match, if this subpattern does not match
[^<>]      # any character that is neither < nor >; the > is not strictly necessary but might help for optimization
*          # arbitrary many of those characters (but in a row; so not a single < or > in between)
>          # the closing >
)          # ends the lookahead subpattern

请注意，我更改了正则表达式分隔符，因为我现在正在使用正则表达式中的!。

除非您需要第一个子模式(\s|^)用于标记之外的URL，否则您现在也可以删除它（并减少替换中的捕获变量）。

$content = preg_replace('$(https?://[a-z0-9_./?=&-]+)(?![^<>]*>)$i', ' <a href="$1" target="_blank">$1</a> ', $content." ");
$content = preg_replace('$(www\.[a-z0-9_./?=&-]+)(?![^<>]*>)$i', '<a target="_blank" href="http://$1"  target="_blank">$1</a> ', $content." ");

最后......你打算不在最后替换包含锚点的URL吗？例如。 www.hello.com/index.html#section1？如果您偶然错过了此项，请将#添加到您允许的网址字符：

$content = preg_replace('$(https?://[a-z0-9_./?=&#-]+)(?![^<>]*>)$i', ' <a href="$1" target="_blank">$1</a> ', $content." ");
$content = preg_replace('$(www\.[a-z0-9_./?=&#-]+)(?![^<>]*>)$i', '<a target="_blank" href="http://$1"  target="_blank">$1</a> ', $content." ");

编辑：此外，+和%怎么办？还有一些其他字符可以在不进行编码的情况下出现在URL中。 See this. END OF EDIT

我认为这应该适合你。但是，如果您可以提供一个显示工作和损坏URL的示例（使用您拥有的代码），我们实际上可以提供经过测试的解决方案，以适用于您的所有情况。

最后一个想法。适当的解决方案是to use a DOM parser。然后你可以简单地将你已经拥有的正则表达式应用于文本节点。但是，您对HTML结构的关注非常有限，这会使您的问题再次成为常规（只要您在HTML注释或页面上的JavaScript或CSS中没有不匹配的'＆lt;'或'＆gt;'）。如果你确实有这些特殊情况，你应该真正研究一下DOM解析器。在这种情况下，这里提出的解决方案（到目前为止）都不是安全的。

答案 1 :(得分：14)

  1. 在我看来，url是以https?://开头并以空格或行尾（垂直空间或所谓的新行）结尾的所有内容。
  2. 由于第一点，图片，链接等不会被替换，因为它们都以“或＆gt;（开头，除非链接<a href=" http...">以空格开头，但这是无效的html ）。
  3. 修饰符/m告诉正则表达式匹配每一行（以便第一点中描述的匹配将起作用）。
  4. 替换后应使用函数nl2br()（，因为行开头的链接）。
  5. 仅当$ content中最初存在空格时才添加前后空格（在preg_replace（）函数的第二个参数中查看$ 1和$ 3）。
  6. 此解决方案支持具有特殊字符的域名，例如www.moški.si。

    7. 输入：

    INPUT

    代码：

    <?php

$content =
    preg_replace(
        '~(\s|^)(https?://.+?)(\s|$)~im', 
        '$1<a href="$2" target="_blank">$2</a>$3', 
        $content
    );
$content = 
    preg_replace(
        '~(\s|^)(www\..+?)(\s|$)~im', 
        '$1<a href="http://$2" target="_blank">$2</a>$3', 
        $content
    );
$content = nl2br($content);

    输出：

    Output

    编辑：

    没有https?://前缀的链接示例+单preg_replace()次调用的示例（模式和替换是数组）：

    $content = 
    preg_replace(
        array(
            '~(\s|^)(www\..+?)(\s|$)~im', 
            '~(\s|^)(https?://)(.+?)(\s|$)~im', 
        ),
        array(
            '$1http://$2$3', 
            '$1<a href="$2$3" target="_blank">$3</a>$4', 
        ),
        $content
    );
$content = nl2br($content);

    enter image description here

答案 2 :(得分：3)

让我建议一些不太直接的东西：将输入文本拆分为html和非html部分，然后使用正则表达式处理非html部分，将文本组合成一个部分。水木清华。像：

  <?php
  $chunks = preg_split('/(<.*>)/Ums', $_POST['content'], -1, PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
  $result = '';
  foreach ($chunks as $chunk) {
    if (substr($chunk,0,1) != '<') {
      /* do your processing on $chunk */
    }
    $result .= $chunk;
  }

一些额外的建议：

  1. 尝试保存源文本并在显示时进行转换。这将允许您在将来找到新的问题/想法时改进/修复渲染代码。
  2. （https？：//）+不应该在括号内，你不需要+，因为它匹配“https：// https：//some.com” - 只需要把https？：// [一个-Z0-9 _./?=&安培; - ] +
  3. 相同关于（www。）+：）

答案 3 :(得分：3)

此前已经完成了数百次。在这个页面上，m-buettner和glavić工作正常，尽管我喜欢glivic的较短表达。

这是一个很好的php资源： http://code.iamcal.com/php/lib_autolink/

Stackoverflow上的重复：

体面的深度文章： - http://buildinternet.com/2010/05/how-to-automatically-linkify-text-with-php-regular-expressions/

相关问题
最新问题