4

所以我正在构建一个小型 CMS，我想避免在内容编辑器中允许 HTML。出于这个原因，我想检测文本中的原始 URL 以及支持类似 BB 的标签，以便更好地定制。

www.example.com
[link http://www.example.com]Click me[/link]

不幸的是，我对正则表达式还很陌生，我似乎无法让它工作。我在字符串上运行了两个正则表达式：第一个检测原始 URL，第二个检测类似 BB 的 URL。后者似乎工作得很好，但第一个会干扰，并且也会转换包含在标签中的 URL。

我从在这里找到的一段代码开始，并做了一些补充。

这是非标记 URL 的代码：

/* don't match URLs preceeded by '[link ' */
(?<!\[link\s)
(
    /* match all combinations of protocol and www. */
    (\bhttps?://www\.|\bhttps?://|(?<!//)\bwww\.)

    /* match URL (no changes made here) */
    ([^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))

    /* but don't match if followed by [/link] - THIS DOESN'T WORK */
    (?!\[/link\])
)

之前的负面后视www.是因为/不是单词字符，没有它就像

 [link http://www.example.com]example[/link]

之后仍然会匹配http://。

上面的正则表达式产生以下匹配（用http://gskinner.com/RegExr/测试，匹配以粗体显示。我必须在后面添加空格，http://因为我不允许发布更多 URL）：

www.example.com
http:// www.example.com
http://example.com
[链接http://www.example.com]没问题 1[/link]
[链接 www.example.com]没问题2[/link]
[链接http://www.example.com] http://www.example.com[/link ]

我尝试移动负面的前瞻性并使用括号（非常漫无目的），但没有成功。

为了完整起见，这是标签匹配的正则表达式（似乎有效）：

(?:\[link\s)(\bhttps?://|\bwww\.|\bhttps?://www\.)([^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))\](.*)(?:\[/link\])

我相信有人可以立即发现错误。

提前非常感谢！

4

1 回答 1

0

我已经采用了您的正则表达式，并使用您提供的示例将其插入到 regexr 中，并试图使其工作。

一步步：

1）原始正则表达式：http ://regexr.com?33snj 。这个正则表达式也匹配 [/link] 的问题在于 URL 匹配位：

[^\s()<>]+

这也将匹配左括号字符“[”，因此当遇到 [/link] 位时匹配不会停止。可以说 [ 字符是有效的 URI 字符，但这仅在极少数情况下（有关更多信息，请参阅此stackoverflow 帖子）。

2）我决定继续使用您的正则表达式，但将左括号字符添加到否定字符列表中：

[^\s()<>[]+

这会让你陷入另一个问题。请参阅http://regexr.com?33snp。由于回溯，引擎现在在最后找到了一种绕过负前瞻的方法。

3) 一旦你使 URL 匹配组原子化（通过添加 ?> 到捕获组的开头），引擎停止回溯，我们已经达到了预期的结果。

(?<!\[link\s)((\bhttps?://www\.|\bhttps?://|(?<!//)\bwww\.)(?>[^\s()<>[]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))(?!\[/link\]))

在http://regexr.com?33sns中查看它。

于 2013-02-23T17:13:38.397 回答