内容 URL 正则表达式答案

【问题标题】：content URLs regexp内容 URL 正则表达式
【发布时间】：2009-11-25 01:28:27
【问题描述】：

我从 db 收到一段代码，其中偶尔包含 url，例如，http://site.tld/lorem.ipsum/whatever 现在我想用一个辅助方法把它变成用户可以点击的漂亮链接。如：

<a href="http://site.tld/lorem.ipsum/whatever">http://site.tld/lorem.ipsum/whatever</a>

当然，任何人都可以做到这一点，[^\s]+ 可以做到这一点。但明显的问题是，如果我有一个点 (.)，例如，在 URL 之后，我不希望它包含在链接中。因此，我们需要将 URL 限制为多个字符，但我们不能创建一个规则来匹配不是特定字符的字符，因为我之前提到的点是“url stopper”，但它也可以是包含在 URL 中。我的第一个猜测是：

(http\:\/\/[^\s]+)(\,|\.|\;|\:)?

将被替换为

<a href="$1">$1</a>$2

但它不起作用，因为第二个变量容器是可选的，最好将这些字符包含在第一个容器中，因为除了空格字符之外，任何内容都可以。

非常感谢您的帮助，但老实说，我不希望在互联网上找到目前似乎有效的巨大规则。我敢肯定有一个很酷的方法来获得这个。我对正则表达式有一个不错的理解，但是这种情况似乎是我以前没有经历过的。或者也许我错过了什么，毕竟已经过了凌晨 3 点。

谢谢！

编辑：

@Chirael 为我清除它，但这是我的最终解决方案：

(http\:\/\/[^\s]+?)(\,|\.|\;|\:)?(\s|$)

我正在清除斜线，因为我使用的是 PHP
我在第二个变量中添加了更多字符作为“URL 停止符”
由于第一个变量变为“非贪婪”，并且第二个是可选的，如果未指定第三个，则链接将仅包含“http://”之后的第一个字符。但是当 URL 是文本中的最后一件事时出现了问题，因此现在第三个变量可以是空格字符或文本的结尾。

【问题讨论】：

标签： regex url

【解决方案1】：

打滑，添加一个？在 [^\s]+ 之后使其不贪婪，然后是“可选”句点 ? - 我在文件中使用了以下示例文本：

Lorem I receive a block of code from db which occasionally contains
urls, e.g, http://site.tld/lorem.ipsum/whatever and
http://site.tld/lorem.ipsum/whatevertwo. Now I want to turn this into
nice clickable link for the user, with a helper method. Such as.

然后在命令行上运行如下代码，似乎满足你的要求：

perl -pe 's#(http://[^\s]+?)(\.?)(\s)#<a href="$1">$1</a>$2$3#g' foo.txt

...导致：

Lorem I receive a block of code from db which occasionally contains
urls, e.g, <a href="http://site.tld/lorem.ipsum/whatever">http://site.tld/lorem.ipsum/whatever</a> and
<a href="http://site.tld/lorem.ipsum/whatevertwo">http://site.tld/lorem.ipsum/whatevertwo</a>. Now I want to turn this into
nice clickable link for the user, with a helper method. Such as.

这行得通吗？

【讨论】：

太棒了！我知道一定有这种概念。当你说“让它不贪婪”时，我的心就长大了。这正是我想要的。我记得我以前用过这个，但现在我想我的灵感减少了。你知道我在哪里可以找到关于这个想法的东西，以确保我 100% 了解它是如何工作的吗？再次感谢！
太棒了 - 如果这回答了您的问题，您介意单击复选标记“接受”吗？我是该网站的新手，已经被整个“声誉评分”所吸引；）（谢谢:)
哦，至于贪婪或非贪婪的概念，我手头没有规范的资料，因为我在 1990 年代中期了解正则表达式，当时 Perl 是语言，CGI 是要做的事情（回到 Perl 4 的鼎盛时期）。所以我唯一可以推荐的是“man perlre”，尽管我相信 O'reilly 有一本关于正则表达式的书可能值得一读。
嘿，谢谢。看看我的最后笔记，我把它包起来了，它现在非常适合我的需要。

【解决方案2】：

您也可以尝试不同的方法：您可以指定可接受的最后一个字符，而不是列出您不希望包含在 URL 末尾的内容。在这个例子中：

$str = preg_replace('#(http://\S+[a-z0-9/])#', '<a href="\1">\1</a>', $str);

我要求在末尾输入一系列非空格和一个字母数字字符（加斜线）（这通常是有效 URL 的结束方式）。

还有一些注意事项：

在 PHP（如 Perl）中，您可以选择模式分隔符，/ / 只是常规的，但您可以（几乎）选择您喜欢的任何字符：选择正确的分隔符可以避免大量转义
单个字符的交替最好写成一个字符类：[,.;:] 比 (\,|\.|\;|\:) 更容易阅读，(\,|\.|\;|\:) 还包括不必要的转义（只有点需要它）
了解哪些需要转义，哪些不需要转义，用反斜杠填充模式会使其不可读

【讨论】：

当我有更多时间时，我将不得不修改这个，但你的方法似乎很完美，但它似乎如此明显，以至于我不敢相信它没有出现在我的脑海中。另外，关于模式分隔符，我该如何选择它？只是将其写为第一个字符会自动将其分配为分隔符？我想我从来没有掌握过何时使用方括号（除了需要变量容器或特定字符类，如 a-z、0-9 等）以及使用哪种类型。转义是对的，它看起来很难看，但我注意到它有时取决于语言，所以我的想法很安全。谢谢！
是的，模式中的第一个字符成为分隔符，你必须在最后匹配它。您还可以使用各种括号，在这种情况下，您可以“自然地”匹配它们，而不是重复第一个字符：(..pattern..)、{..pattern..} 等等。

【解决方案3】：

你可以试试这个：

正则表达式：

(http?://([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?)

替换：

<a href="$1">$1</a>

【讨论】：

谢谢。我正在使用 PHP，其中规则是用斜杠包装的，例如：'/(.*)/'。因此，您的规则当前会触发错误（未知修饰符“/”）。我尝试从规则中转义所有包含的斜线，但结果就像我的一样，点包含在 URL 中。但是，它正确地从其中一个 URL 中排除了逗号。
你就在那里打滑，“-”字符也可能违反此规则。