需要一个好的正则表达式将URL转换为链接,但只留下现有的链接

Question

我有大量用户提交的内容.它是HTML,可能包含URL.其中一些<a>已经是(如果用户是好的)但有时用户是懒惰的,只需输入www.something.com或最好是http://www.something.com.

我找不到一个像样的正则表达式来捕获URL但忽略那些紧靠双引号或'>'的权利.谁有一个？

Answer 1

RegexBuddy的创建者Jan Goyvaerts 已经回复了Jeff Atwood的博客,该博客解决了Jeff所遇到的问题并提供了一个很好的解决方案.

\b(?:(?:https?|ftp|file)://|www\.|ftp\.)[-A-Z0-9+&@#/%=~_|$?!:,.]*[A-Z0-9+&@#/%=~_|$]

为了忽略"或"旁边发生的匹配,你可以添加(?<![">])到正则表达式的开头,所以你得到

(?<![">])\b(?:(?:https?|ftp|file)://|www\.|ftp\.)[-A-Z0-9+&@#/%=~_|$?!:,.]*[A-Z0-9+&@#/%=~_|$]

这将匹配完整的地址(http:// ..)和以www开头的地址.或者ftp. - 你运气不好像ars.userfriendly.org这样的地址......

Answer 2

这个线程像山丘一样古老,但我在处理我自己的问题时遇到了它:也就是说,将任何网址转换为链接,但保留已经在锚标记内的任何网页.过了一会儿,这就是弹出的东西:

(?!(?!.*?<a)[^<]*<\/a>)(?:(?:https?|ftp|file)://|www\.|ftp\.)[-A-Z0-9+&#/%=~_|$?!:,.]*[A-Z0-9+&#/%=~_|$]

通过以下输入:

http://www.google.com
http://google.com
www.google.com

<p>http://www.google.com<p>

this is a normal sentence. let's hope it's ok.

<a href="http://www.google.com">www.google.com</a>

这是preg_replace的输出:

<a href="http://www.google.com" rel="nofollow">http://www.google.com</a>
<a href="http://google.com" rel="nofollow">http://google.com</a>
<a href="www.google.com" rel="nofollow">www.google.com</a>

<p><a href="http://www.google.com" rel="nofollow">http://www.google.com</a><p>

this is a normal sentence. let's hope it's ok.

<a href="http://www.google.com">www.google.com</a>

只是想贡献一些时间来拯救某人.

Answer 3

我对原始答案中包含的正则表达式做了一些修改:

(?<![.*">])\b(?:(?:https?|ftp|file)://|[a-z]\.)[-A-Z0-9+&#/%=~_|$?!:,.]*[A-Z0-9+&#/%=~_|$]

它允许更多子域,并且还可以对标签进行更全面的检查.要将此应用于PHP的preg替换,您可以使用:

$convertedText = preg_replace( '@(?<![.*">])\b(?:(?:https?|ftp|file)://|[a-z]\.)[-A-Z0-9+&#/%=~_|$?!:,.]*[A-Z0-9+&#/%=~_|$]@i', '<a href="\0" target="_blank">\0</a>', $originalText );

注意,我从正则表达式中删除了@,以便将其用作preg_replace的分隔符.无论如何,@很少会在URL中使用.

显然,你可以修改替换文本,删除target ="_ blank",或者添加rel ="nofollow"等.

希望有所帮助.