如何使用正则表达式找到所有Markdown链接？

Question

在Markdown中，有两种方法可以放置链接，一种是只输入原始链接，例如：http://example.com，另一种方法是使用()[]语法：(Stack Overflow)[http://example.com ]

我试图编写一个可以匹配这两者的正则表达式，如果它是第二个匹配也可以捕获显示字符串。

到目前为止，我有这个：

(?P<href>http://(?:www\.)?\S+.com)|(?<=\((.*)\)\[)((?P=href))(?=\])

Debuggex Demo

但这似乎与Debuggex中我的两个测试用例中的任何一个都不匹配：

http://example.com
(Example)[http://example.com]

真的不确定为什么第一个至少没有匹配，是否与我对命名组的使用有关？如果可能的话，我希望继续使用，因为这是一个简化的表达式来匹配链接，在真实的例子中，我觉得在同一模式的两个不同的地方复制它太长了。

我做错了什么？或者这根本不可行？

编辑：我在Python中这样做会使用他们的正则表达式引擎。

Answer 1

你的模式不起作用的原因在于：(?<=\((.*)\)\[)因为Python的re模块不允许变长长度的后视。

您可以使用the new regex module of Python 以更方便的方式获得所需内容（因为re模块的功能比较少）。

示例：(?|(?<txt>(?<url>(?:ht|f)tps?://\S+(?<=\P{P})))|\(([^)]+)\)\[(\g<url>)\])

An online demo

模式细节：

(?|                                       # open a branch reset group
    # first case there is only the url
    (?<txt>                               # in this case, the text and the url  
        (?<url>                           # are the same
            (?:ht|f)tps?://\S+(?<=\P{P})
        )
    )
  |                                       # OR
    # the (text)[url] format
    \( ([^)]+) \)                         # this group will be named "txt" too 
    \[ (\g<url>) \]                       # this one "url"
)

此模式使用分支重置功能(?|...|...|...)，允许在交替中保留捕获组名称（或数字）。在模式中，由于?<txt>组在交替的第一个成员中首先打开，因此第二个成员中的第一个组将自动具有相同的名称。 ?<url>组也是如此。

\g<url>是对命名子模式?<url>的引用（就像一个别名，这样就不需要在第二个成员中重写它了。）

(?<=\P{P})检查网址的最后一个字符是否不是标点符号（例如，有助于避免关闭方括号）。 （我不确定语法，可能是\P{Punct}）