8

我正在尝试编写一个正则表达式，它将在纯文本字符串中查找 URL，以便我可以用锚标签包装它们。我知道已经有可用的表达式，但我想创建自己的表达式，主要是因为我想知道它是如何工作的。

因为如果我的正则表达式失败它不会破坏任何东西，我的计划是写一些相当简单的东西。到目前为止，这意味着：1）在单词的开头匹配“www”或“http” 2）继续匹配直到单词结束。

我能做到，AFAICT。我有这个：\b(http|www).?[^\s]+

哪个适用于foo www.example.com bar http://www.example.com等。

问题是，如果我给它foo www.example.com, http://www.example.com它认为逗号是 URL 的一部分。

因此，如果我要使用一个表达式来执行此操作，我需要将“......当你看到空格时停止”更改为“......当你看到空格或空格之前的一段标点符号时停止”。这是我不知道该怎么做。

目前，我正在考虑使用的解决方案只是添加另一个测试 - 匹配 URL，然后在下一行移动任何偷偷摸摸的标点符号。这不是那么优雅。

注意：我是用 PHP 编写的。

旁白：为什么在上面的表达式中替换\s似乎\b不起作用？

预计到达时间：

谢谢大家！

根据 Explosion Pills 的建议，这就是我最终得到的结果：

function add_links( $string ) {
    function replace( $arr ) {
        if ( strncmp( "http", $arr[1], 4) == 0 ) {
            return "<a href=$arr[1]>$arr[1]</a>$arr[2]$arr[3]";
        } else {
            return "<a href=" . "http://" . $arr[1] . ">$arr[1]</a>$arr[2]$arr[3]";
        }
    }
return preg_replace_callback( '/\b((?:http|www).+?)((?!\/)[\p{P}]+)?(\s|$)/x', replace, $string );
}

我添加了一个回调，以便所有链接都以 http:// 开头，并对其处理标点符号的方式进行了一些摆弄。

这可能不是做事的最佳方式，但它确实有效。在过去的一段时间里，我学到了很多这方面的知识，但还有更多的东西要学！

4

4 回答 4

10 
preg_replace('/
    \b       # Initial word boundary
    (        # Start capture
    (?:      # Non-capture group
    http|www # http or www (alternation)
    )        # end group
    .+?      # reluctant match for at least one character until...
    )        # End capture
    (        # Start capture
    [,.]+    # ...one or more of either a comma or period.
             # add more punctuation as needed
    )?       # End optional capture
    (\s|$) # Followed by either a space character or end of string
    /x', '<a href="\1">\1</a>\2\3'

...可能是你想要的。我认为它仍然不完美，但它至少应该满足您的需求。

旁白：我认为这是因为\b也匹配标点符号

于 2013-06-05T05:30:01.377 回答
2

您可以通过积极的前瞻断言来实现这一点：

\b(http:|www\.)(?:[^\s,.!?]|[,.!?](?!\s))+

在 Regexr 上查看。

意思是，匹配任何东西，但是当它后面没有空格时，空格,.!?或匹配。,.!?

旁白：一个词的边界不是一个字符或一组字符，你不能把它放到一个字符类中。这是一个零宽度断言，即匹配从单词字符到非单词字符的变化。在这里，我相信，\b在一个字符类中被解释为退格字符（字符串转义序列）。

于 2013-06-05T06:27:04.323 回答
1

问题可能出在点上，这意味着正则表达式中的“任何字符”。你可能不得不逃避它：

\b(http|www)\.?[^\s]+

然后，问号表示 0 或 1，所以您说“可选点”不是您想要的（对吗？）：

\b(http|www)\.[^\s]+

现在，它只会匹配http.，www.所以你需要告诉你让它接受的其他字符：

\b(http|www)\.[^\s\w]+

或者

\b(http|www)\.[^\sa-zA-Z]+

所以现在你说，

  • 在一个词的边界
  • 检查http或www
  • 放一个点
  • 允许任何范围a-z或A-Z，不允许任何空白字符
  • 其中一项或多项

注意 - 我没有测试过这些，但希望它们是正确的。

除了（我的看法） -\s意思是“空白”。意思是“\b单词边界”。[]意思是“允许的字符范围” 。^“不”的意思。意思是“+一个或多个”。

因此，当您说[^\b]+“不允许此字符范围内的单词边界，并且必须有一个或多个”并且因为那里没有其他内容> 没有其他内容> 没有一个或多个> 它可能会中断.

于 2013-06-05T05:27:40.327 回答
0

你应该尝试这样的事情：

\b(http|www).?[\w\.\/]+
于 2013-06-05T05:45:19.520 回答