Question

我有大量用户提交的内容。它是HTML，可能包含URL。其中一些已经<a>已经（如果用户不错），但有时用户很懒，只需输入www.something.com或最好http://www.something.com。

我找不到一个像样的正则表达式来捕获URL但忽略紧靠双引号或'＆gt;'右边的那些。有人有吗？

Answer 1

RegexBuddy的创建者Jan Goyvaerts向杰夫阿特伍德的博客written a response提供了解决杰夫问题的博客，并提供了一个很好的解决方案。

\b(?:(?:https?|ftp|file)://|www\.|ftp\.)[-A-Z0-9+&@#/%=~_|$?!:,.]*[A-Z0-9+&@#/%=~_|$]

为了忽略“or”之后发生的匹配，您可以将(?<![">])添加到正则表达式的开头，这样就可以了

(?<![">])\b(?:(?:https?|ftp|file)://|www\.|ftp\.)[-A-Z0-9+&@#/%=~_|$?!:,.]*[A-Z0-9+&@#/%=~_|$]

这将匹配完整地址（http://..。）和以www开头的地址。或者ftp。 - 你运气不好像ars.userfriendly.org ......

Answer 2

这个线程像山丘一样古老，但我在处理自己的问题时遇到了它：也就是说，将任何网址转换为链接，但保留已经在锚标记内的任何网页。过了一会儿，这就是弹出的东西：

(?!(?!.*?<a)[^<]*<\/a>)(?:(?:https?|ftp|file)://|www\.|ftp\.)[-A-Z0-9+&#/%=~_|$?!:,.]*[A-Z0-9+&#/%=~_|$]

使用以下输入：

http://www.google.com
http://google.com
www.google.com

<p>http://www.google.com<p>

this is a normal sentence. let's hope it's ok.

<a href="http://www.google.com">www.google.com</a>

这是preg_replace的输出：

<a href="http://www.google.com" rel="nofollow">http://www.google.com</a>
<a href="http://google.com" rel="nofollow">http://google.com</a>
<a href="www.google.com" rel="nofollow">www.google.com</a>

<p><a href="http://www.google.com" rel="nofollow">http://www.google.com</a><p>

this is a normal sentence. let's hope it's ok.

<a href="http://www.google.com">www.google.com</a>

只是想回馈一下来拯救某人。

Answer 3

我对原始答案中包含的正则表达式做了一些修改：

(?<![.*">])\b(?:(?:https?|ftp|file)://|[a-z]\.)[-A-Z0-9+&#/%=~_|$?!:,.]*[A-Z0-9+&#/%=~_|$]

允许更多子域，并且还对标签运行更全面的检查。要将此应用于PHP的preg替换，您可以使用：

$convertedText = preg_replace( '@(?<![.*">])\b(?:(?:https?|ftp|file)://|[a-z]\.)[-A-Z0-9+&#/%=~_|$?!:,.]*[A-Z0-9+&#/%=~_|$]@i', '<a href="\0" target="_blank">\0</a>', $originalText );

注意，我从正则表达式中删除了@，以便将其用作preg_replace的分隔符。无论如何，@很少会在URL中使用。

显然，你可以修改替换文本，删除target =“_ blank”，或者添加rel =“nofollow”等。

希望有所帮助。

Answer 4

if (preg_match('/\b(?<!=")(https?|ftp|file):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[A-Z0-9+&@#\/%=~_|](?!.*".*>)(?!.*<\/a>)/i', $subject)) {
    # Successful match
} else {
    # Match attempt failed
}

Answer 5

无耻的插件：你可以在这里（regular expression replace a word by a link）寻找灵感。

问题是要用某个链接替换某个单词，除非已经有链接。所以你遇到的问题或多或少都是一样的。

您需要的是一个匹配URL（代替单词）的正则表达式。最简单的假设是：URL（可选）以"http://"，"ftp://"或"mailto:"开头，只要没有空格字符，换行符，标记括号，就会持续或引号）。

当心，前面有很长的正则表达。不区分大小写。

(href\s*=\s*['"]?)?((?:http://|ftp://|mailto:)?[^.,<>"'\s\r\n\t]+(?:\.(?![.<>"'\s\r\n])[^.,!<>"'\s\r\n\t]+)+)

请注意 - 这也会匹配技术无效的网址，并且会将thing.formatted.like.this识别为URL。如果它太不敏感，这取决于您的数据。如果您有返回误报的示例，我可以对正则表达式进行微调。

正则表达式将产生两个匹配组。第2组将包含匹配的东西，很可能是URL。第1组将包含空字符串或'href="'。您可以将其用作此匹配发生在内现有链接的href参数的指示器，而您不必触摸该匹配。

一旦你确认这对你来说是正确的大部分时间（使用用户提供的数据，你永远无法确定），你可以分两步完成其余的工作，正如我提出的那样它在另一个问题：

围绕每个网址建立一个链接（除非匹配组1中有内容！）此将生成双嵌套<a>标记已有链接。
扫描错误嵌套的<a>标记，删除最里面的标记

Answer 6

要跳过现有的只需使用后视 - 将(?<!href=")添加到正则表达式的开头，所以它看起来像这样：

/(?<!href=")http://\S*/

显然，这不是查找所有类型网址的完整解决方案，但这可以解决您弄乱现有网址的问题。

需要一个好的正则表达式将URL转换为链接，但只留下现有的链接

6 个答案: