我的正则表达式检测字符串中的 url 有问题吗？答案

【问题标题】：issues with my regex to detect urls in a string?我的正则表达式检测字符串中的 url 有问题吗？
【发布时间】：2010-12-23 13:26:47
【问题描述】：

大家好。我正在使用以下正则表达式来检测字符串中的 url 并将它们包裹在标签内

public static String detectUrls(String text) {

        String newText = text
                .replaceAll("(?:https?|ftps?|http?)://[\\w/%.-?&=]+",
                        "<a href='$0'>$0</a>").replaceAll(
                        "(www\\.)[\\w/%.-?&=]+", "<a href='http://$0'>$0</a>");
        return newText;
    }

我遇到以下链接未正确检测到的问题：我不太擅长正则表达式，所以请指教。

http://code.google.com/p/shindig-dnd/

http://confluence.atlassian.com/display/GADGETDEV/Gadgets+and+JIRA+Portlets

www.liferay.com/web/raymond.auge/blog/

(www.opensocial.org/)

http://www.google.com

【问题讨论】：

结帐stackoverflow.com/questions/161738/…

标签： java regex url

【解决方案1】：

我正在使用这个：

private static final String URL_REGEX = 
   "http(s)?://([\\w+?\\.\\w+])+([a-zA-Z0-9\\~\\!\\@\\#\\$\\%\\^\\&amp;\\*\\(\\)_\\-\\=\\+\\\\\\/\\?\\.\\:\\;\\'\\,]*)?";

Matcher matcher = URL_PATTERN.matcher(text);
text = matcher.replaceAll("<a href=\"$0\">$0</a>");
return text;

【讨论】：

声明&amp; 而不是&amp; 就足够了，因为a、m 和p 已经在a-z 和; 的范围内被声明了两次。
这种模式适用于大多数情况，但没有发现这种情况：(www.opensocial.org)

【解决方案2】：

您遇到的问题是您在字符组 ([]) 中使用 - 而不对其进行转义，该字符组用于定义范围 .-?（即字符 ./0123456789:;<=>?）。要么转义它\\-，要么把它放在字符类的末尾，这样它就不会完成一个范围。

public static String detectUrls(String text) {
    String newText = text
            .replaceAll("(?:https?|ftps?|http?)://[\\w/%.\\-?&=]+",
                    "<a href='$0'>$0</a>").replaceAll(
                    "(www\\.)[\\w/%.\\-?&=]+", "<a href='http://$0'>$0</a>");
    return newText;
}

【讨论】：

@marcog：实际上还有一种模式仍未被捕获：类似于 http://www.google.com
@sword http: 后面的空格是错字吗？
@marcog，是的，我的意思是添加它，因为没有空格，编辑器会将其转换为google.com，所以我添加它以跳过编辑器格式，你知道我想说什么吗？
@marcog，你有什么建议？
@sword 交换replaceAll() 调用并使用negative lookbehind。这是它的工作原理：http://ideone.com/Dj6ew 有一个小问题 - 它还在显示的 URL 前面添加了http://。这是正则表达式的一个限制，要解决这个问题，您必须在不使用正则表达式的情况下一次性解析文本。

【解决方案3】：

正如 marcog 所说，您应该转义 - 并匹配您给出的最后 2 个示例，您必须将 http 设为可选。 http? 也与 htt 匹配，这不是正确的协议。

所以正则表达式将是：

"(?:(?:https?|ftps?)://)?[\\w/%.?&=-]+"

【讨论】：