Question

当谈到正则表达式时，我是一个相对新手，但我开始掌握它。我开始在java中编写一个方法来“链接”一个字符串 - 也就是说，扫描它以获取任何url引用（即“http：// ...”）或看起来像的字符串。地址（“www.example.com ......”）

所以，例如，如果我有一个看起来像这样的字符串：

My favorite site is http://www.example.com.  What is yours?

在通过该方法运行之后，你会得到一个字符串，表示：

My favorite site is <a href="http://www.example.com">http://www.example.com</a>.  What is yours?

在网上搜索了一段时间后，我终于能够将不同表达式的部分拼凑在一起，帮助我做我正在寻找的事情（一些例子包括在实际网址的网址末尾的尾随句点，一些编码已经在锚标签中的网址等。）

这是我到目前为止所做的：

public static String toLinkifiedString(String s, IAnchorBuilder anchorBuilder)
{
    if (IsNullOrEmpty(s))
    {
        return Empty;
    }

    String r = "(?<![=\"\"\\/>])(www\\.|(http|https|ftp|news|file)(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(s);
    if (anchorBuilder != null)
    {
        return matcher.replaceAll(anchorBuilder.createAnchorFromUrl("$0"));
    }
    return matcher.replaceAll("<a href=\"$0\">$0</a>"); // group 0 is the whole expression
}

public interface IAnchorBuilder
{
    public String createAnchorFromUrl(String url);
}

还有 toLinkifiedString 的简单版本，它只接受字符串 s - 它只调用了LinksifiedString（s，null）

就像我说的那样，这种模式正在捕捉我需要捕获的所有内容，而且除了链接以www开头的情况外，replaceAll对每种情况都很有效。如果匹配以“www”开头而不是像“http”或“ftp”这样的协议，我想在结果链接前有条件地添加“http：//”。那就是：

MyClass.toLinkifiedString("go to www.example.org")

应该返回

go to <a href="http://www.example.com">www.example.org</a>

匹配组如下：

$ 0 - 找到的实际网址： http://www.example.org 或 www.example.net
$ 1 - 协议匹配（“http：//”或“www”表示没有协议的链接）

我想我想做的事情，在伪代码中是这样的：

matcher.replaceAll("<a href="(if protocol = "www", insert "http://" + url - otherwise, insert url">url</a>"

这可能吗？或者我应该只对能够从以“http：// ...”开头的链接创建锚点感到高兴：）

感谢任何人提供的任何帮助

Answer 1

对于你的具体问题，肯定会采用Tomalak所说的回调函数。

对于所有那些斜线的问题，以及各种其他奇怪的事情......

以下是您当前的Java正则表达式跨行分割：

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

与非Java正则表达式相同（没有Java字符串转义）：

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

以下是对它有什么问题的描述...... :)

第一行 - 您在字符类中重复"，无需转义/

第二行 - 好的，除了我不确定您使用(s)?部分之后的情况，因为您无论如何都要在之前的群组中使用https。

第三行 - 你知道你有一个角色课吗？量词不起作用。您可能需要(\w+?\.\w+)+。（那是Java字符串中的(\\w+?\\.\\w+)+。）

第四行 - 哇，逃脱了很多!!几乎都是不必要的。这样做：([a-zA-Z0-9~!@#$%^&*()_\-=+\/?.:;',]*)?（并再次：([a-zA-Z0-9~!@#$%^&*()_\\-=+\\/?.:;',]*)?）

第五行 - 交替在角色类中没有做任何事情。这样做：[^.'#!]，如果你真的想防止管道字符在那里，可以添加一个|。

将所有这些评论放在一起提供了这个正则表达式：

(?<![="/>])
(www\.|(http|https|ftp|news|file)://)
(\w+?\.\w+)+
([a-zA-Z0-9~!@#$%^&*()_\-=+\/?.:;',]*)?
([^.'# !])

或者，再一次，逃避Java：

(?<![=\"/>])
(www\\.|(http|https|ftp|news|file)://)
(\\w+?\\.\\w+)+
([a-zA-Z0-9~!@#$%^&*()_\\-=+\\/?.:;',]*)?
([^.'# !])

注意这是多么简单！

返回单行给出：

(?<![="/>])(www\.|(http|https|ftp|news|file)://)(\w+?\.\w+)+([a-zA-Z0-9~!@#$%^&*()_\-=+\/?.:;',]*)?([^.'# !])

或

(?<![=\"/>])(www\\.|(http|https|ftp|news|file)://)(\\w+?\\.\\w+)+([a-zA-Z0-9~!@#$%^&*()_\\-=+\\/?.:;',]*)?([^.'# !])

但是我坚持使用多线 - 只是plonk (?x)一开始它是一个有效的正则表达式，它忽略了空格，你可以使用#s进行评论 - 对于正则表达式总是一件好事只要这个！

Answer 2

看起来您需要一个回调函数，它返回一个动态结果，而不是您当前在replaceAll()中使用的固定字符串。

我想你可以从这个问题的接受答案中做出一些事情：Java equivalent to PHP's preg_replace_callback。

使用正则表达式进行条件替换

2 个答案: