Question

我在Java webapp中有一个所见即所得的文本区域。用户可以输入文本并对其进行样式设置或粘贴一些已经HTML格式的文本。

我要做的是 linkify 文本。这意味着，将文本中的所有可能的URL转换为它们的“工作对应物”，即添加＆lt; a href =“...”＆gt; ...＆lt; / A＆GT;

当我所拥有的只是纯文本时，此解决方案可以：

String r = "http(s)?://([\\w+?\\.\\w+])+([a-zA-Z0-9\\~\\!\\@\\#\\$\\%\\^\\&amp;\\*\\(\\)_\\-\\=\\+\\\\\\/\\?\\.\\:\\;\\'\\,]*)?";
Pattern pattern = Pattern.compile(r, Pattern.DOTALL | Pattern.UNIX_LINES | Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(comment);
comment = matcher.replaceAll("<a href=\"$0\">$0</a>"); // group 0 is the whole expression

但问题是当有一些已经格式化的文本时，即它已经具有＆lt; a href =“...”＆gt; ...＆lt; / A＆GT;标签

因此，只要找到两个HTML标记（＆lt; a＆gt;）之间的文本，我就会找到模式不匹配的方法。我已经读过这可以通过lookahead或lookbehind来实现，但我仍然无法使其发挥作用。我确信我做错了因为正则表达式仍然匹配。是的，我一直在玩/调试组，将$ 0改为$ 1等。

有什么想法吗？

Answer 1

你很亲密。您可以像这样使用“负面观察”：

(?<!href=")http:// etc

所有以href开头的结果都将被忽略。

Answer 2

如果你想使用正则表达式，（虽然我认为首先解析为XML / HTML更加健壮）我认为前瞻或后瞻是有道理的。第一次尝试可能是在正则表达式的末尾添加它：

(?!</a>)

含义：如果之后关闭了标签，则不匹配。（当然，这可以永远调整。）但这并不好用，因为给出了字符串

<a href="...">http://example.com/</a>

这个正则表达式将尝试匹配“http://example.com/”，由于前瞻（我们希望）失败，然后回溯贪婪的限定符最后匹配“{ {3}}“相反，它没有跟在它之后。

您可以在+，*和？上使用http://example.com解决后一个问题。运营商 - 只需坚持一个+。这可以防止他们进行反向跟踪。出于性能原因，这可能也不错。

这对我有用（注意三个额外的+）：

String r = "http(s)?://([\\w+?\\.\\w+])++([a-zA-Z0-9\\~\\!\\@\\#\\$\\%\\^\\&amp;\\*\\(\\)_\\-\\=\\+\\\\\\/\\?\\.\\:\\;\\'\\,]*+)?+(?!</a>)";

Answer 3

如果你真的想用正则表达式来做，那么：

   String r = "(?<![=\"\\/>])http(s)?://([\\w+?\\.\\w+])+([a-zA-Z0-9\\~\\!\\@\\#\\$\\%\\^\\&amp;\\*\\(\\)_\\-\\=\\+\\\\\\/\\?\\.\\:\\;\\'\\,]*)?";

e.g。检查网址是否跟随=“或/＆gt;

Answer 4

也许html解析更适合你（例如htmlparser）。然后你可以拥有html节点，只有文本中的“linkify”链接，而不是属性。

Answer 5

如果你必须自己动手，至少要看一下Markdown开源实现中使用的算法/模式，例如MarkdownJ。

将文本与Java中的正则表达式链接

5 个答案: