正则表达式匹配 URL / URI，除非包含在 img 标记中

Question

感谢 dfowler 出色的 Jabbr 项目，我正在借用代码来嵌入用户帖子中的链接内容。代码来自here，并使用正则表达式提取 URL 以进行额外处理和嵌入。

在我的例子中，我首先通过 Markdown 处理器运行用户帖子，然后再尝试嵌入。如果用户正确格式化 markdown，markdown 处理器 (MarkdownDeep) 会将任何给定的图像 markdown 转换为有效的 HTML img 标签。这很好用，但是，使用嵌入式内容提供程序会使图像出现两次，因为它从降价转换中有效显示，然后也被嵌入。

所以，我相信解决我的问题的方法在于，当找到的 URL 已包含在有效的 img 标记中时，将正则表达式更改为不匹配。

到目前为止，为了便于回答正则表达式是：

(?i)\b((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'"".,<>?«»“”‘’]))

我想我想像this answer 那样使用负前瞻来排除img，但是我在正则表达式语法方面太差了，无法自己实现它。

注意：如果图像仅出现在文本中，我希望它仍然匹配图像。所以http://www.example.com/sites/default/files/DellComputer.jpg 会匹配 或在超链接中<a href='http://www.example.com/sites/default/files/DellComputer.jpg'> 匹配但<img src='http://www.example.com/sites/default/files/DellComputer.jpg'> 不匹配。

感谢您的帮助，我知道你们中的一些人有专家级的正则表达式才能，但我永远做不到。

Answer 1

对于简单的方法，只需在前面添加

(?<!img.*)

到你的正则表达式的开头。它会像它已经匹配的那样匹配，但如果img 出现在它之前的某个地方，它将拒绝它。所以，整个正则表达式：

(?<!img.*)(?i)\b((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'"".,<>?«»“”‘’]))

同样，除了开头的几个字符外没有变化。

如果您需要更智能地了解img 在它上线之前的位置，我可能会建议使用正则表达式以外的工具。