2

我正在尝试为使用 PHP 的聊天客户端实现非常宽松的正则表达式匹配。

聊天客户端必须能够获取完整和不完整的 URL。

例如：

http://www.example.com 或www.example.com或example.com

我已经设置了一个 preg_replace 来尝试实现这一目标：

$find = array("/([\w]+:\/\/[\w-?&;#~=\.\/\@]+[\w\/])/is","/(^(?!http:\/\/)[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,4}(\/?\S*)?)/is");
$replace = array( "<a target=\"_blank\" href=\"http://\\1\">\\1</a>","<a target=\"_blank\" href=\"\\1\">\\1</a>");
$output = preg_replace($find, $replace, $input);

因此，目标是首先找到具有协议的“完整” URL，然后尝试查找没有协议的“惰性” URL。

目前它适用于“完整” URL，但“惰性” URL 不会被拾取。

4

2 回答 2

5

我不久前设置了类似的东西。我的想法是……任何以协议标识符或“www”开头的都是 URL，加上与以有效 TLD（两个字母或已知 gTLD）结尾的域匹配的任何内容，如果它后面跟着一个路径。域本身就是域。

$gtlds="com|net|org|biz|edu|gov|int|pro|xxx";
$gtlds+="|aero|arpa|asia|coop|museum|name|travel";
#$gtlds+="|xn-[a-z0-9]+";
$a = array(
  '/(f|ht)tps?:\/\/[^ ]+/',
  '/(ftp|www)\.[a-z0-9.-]+(/[^ ]*)/',
  "/([a-z0-9][a-z0-9-]*\.)+([a-z]{2}|$gtlds)\/[^ ]*/"
);

请注意，我是一个老派的正则表达式用户，所以这是 ERE，而不是现在所有孩子都在使用的花哨的 PREG 东西。

来自IANA的 gTLD 长得离谱。我已经更新了它，所以它在这个答案的时间是有效的，除了.XN--*. 如果愿意，您可以包含以模式开头的 TLD 列表.XN--，或者直接匹配它们并增加$gtlds变量。我从来没有遇到过简单地忽略它们的存在而引起的任何问题，所以这就是我的策略。

上述 RE 适合我的特定用途。我没有声称他们会为每一个不属于我的案件工作。（例如，如果引用了域或 URL，它们将包含尾随引号。这不是我必须处理的事情，所以我没有处理它。）

请注意，当您进行替换时，虽然您希望生成器锚点的 HREF 属性是您匹配或生成的 URL，但您可能希望将原始文本保持原样以进行布局和显示。

并且取决于您如何使用这些，单词边界可能会有所帮助......但您已经知道如何做到这一点。

于 2012-06-17T11:42:48.910 回答
1

因此，经过数小时的辛勤工作……我设法找到了一种相对简单的方法来匹配 http:// URL 和 www。URL，以便将它们变成锚。

这是最终的解决方案：

$output = preg_replace("/\b((http(s)?:\/\/)?(www\.[a-zA-Z0-9\/\\\:\?\%\.\&\;=#\-\_\!\+\~\,]*))/is","<a target=\"_blank\" href=\"http$3://$4\">$0</a>",$output);

感谢 tamous 的正则表达式。

于 2012-06-18T15:48:48.490 回答