Question

我使用re2 / J来提取URL，无论它们是否以正则表达式开头。我使用的是一种相当简单的模式，

(?i)((https?://)?(([a-z0-9\\-]+[.])*([a-z0-9\\-]+[.][a-z]+/?)([^\\s()<>]*)))

然而，我在开头和结尾添加\ b是\ b对我没什么帮助。它仍然匹配作为电子邮件一部分的网址。

来自电子邮件@ example.com 的example.com也将匹配。我试图避免的东西。 @ 被视为非单词字符，因此\ b将其视为单词边界。

这个问题有一个很好的替代解决方案吗？

编辑：

请注意，我正在尝试用html锚标记替换网址，所以我实际上并不是在寻找匹配项。我必须指定一个模式并用捕获的组替换。

Answer 1

通常＆＃34;技巧＆＃34;当你需要＆＃34;跳过＆＃34;一些匹配并替换另一个是匹配并捕获您需要的东西，并匹配您不需要的东西。由于替换模式对于两种上下文都不同，因此您应该能够分析匹配对象，Matcher#appendReplacement提供此功能：

 String s = "some@domain.com\ndomain.com\nwww.domain.com\nhttp://www.domain.com\nhttps://www.domain.com";
StringBuffer result = new StringBuffer();
Matcher m = Pattern.compile("(?i)\\S+@\\S+\\.\\S+|((?:https?://)?(?:[a-z0-9-]+[.])*[a-z0-9-]+[.][a-z]+/?[^\\s()<>]*)").matcher(s);
while (m.find()) {
    if (m.group(1) != null) {
        m.appendReplacement(result, "<a href=\"" + m.group(1) + "\">" + m.group(1) + "</a>");
    }
    else {
        m.appendReplacement(result, m.group());
    }
}
m.appendTail(result);
System.out.println(result.toString()); // Demo output

Online Java demo（java.util.regex使用相同的技术）

模式详情：

\\S+@\\S+\\.\\S+ - 匹配类似于电子邮件的内容（1 +非空白，@，1 +非空白，.以及1 +非空白
| - 或
((?:https?://)?(?:[a-z0-9-]+[.])*[a-z0-9-]+[.][a-z]+/?[^\\s() <>]*) - 第1组捕捉您的模式。

如果组1匹配，则不是null，我们需要将其包装到标签中。否则，jsut重新插入整场比赛。

Answer 2

对于email@example.com，regex只会将e匹配为[^ @]和xample.com作为匹配的其余部分 - 它们稍后会合并为一个匹配。只需在URL之前检查空格，但不要在子模式中包含它。

看看，这可以帮到你。 preg_match_all to find all URL but exclude email

如何使用正则表达式将网址作为单词匹配而不使用标准单词边界？

2 个答案: