用于查找不在超链接内的 URL 的正则表达式

Question

有许多正则表达式可以匹配 URL。但是，我正在尝试匹配未出现在<a>超链接标记（HREF、内部值等）中的任何位置的 URL 。所以这些中的任何 URL 都不应该匹配：

<a href="http://www.example.com/">某事</a>
<a href="http://www.example.com/">http://www.example2.com</a>
<a href="http://www.example.com/"><b>东西</b>http://www.example.com/<span>test</span></a>

<a></a>应该匹配任何外部的 URL 。

我尝试过的一种方法是使用否定前瞻来查看<a>URL 之后的第一个标签是开头<a>还是结尾</a>。如果是关闭，</a>则 URL 必须位于超链接内。我认为这个想法没问题，但是负向前瞻正则表达式不起作用（或者更准确地说，正则表达式没有正确编写）。任何提示都非常感谢。

Answer 1

我也在寻找这个答案，因为没有任何东西真正像我想要的那样工作，这就是我创建的正则表达式。显然，由于它是正则表达式，因此请注意这不是一个完美的解决方案。

/(?!<a[^>]*>[^<])(((([A-Za-z]{3,9}:(?:\/\/)?)(?:[-;:&=\+\$,\w]+@)?[A-Za-z0-9.-]+|(?:www.|[-;:&=\+\$,\w]+@)[A-Za-z0-9.-]+)((?:\/[\+~%\/.\w-_]*)?\??(?:[-\+=&;%@.\w_]*)#?(?:[\w]*))?))(?![^<]*<\/a>)/gi

更新 html 的整个函数是：

function linkifyWithRegex(input) {
  let html = input;
  let regx = /(?!<a[^>]*>[^<])(((([A-Za-z]{3,9}:(?:\/\/)?)(?:[-;:&=\+\$,\w]+@)?[A-Za-z0-9.-]+|(?:www.|[-;:&=\+\$,\w]+@)[A-Za-z0-9.-]+)((?:\/[\+~%\/.\w-_]*)?\??(?:[-\+=&;%@.\w_]*)#?(?:[\w]*))?))(?![^<]*<\/a>)/gi;
  html = html.replace(
    regx,
    function (match) {
      return '<a href="' + match + '">' + match + "</a>";
    }
  );
  return html;
}

Answer 2

您可以分两步完成，而不是尝试提出单个正则表达式：

1. 混合（替换为任何内容）HTML 锚点部分（整个锚点标记：开始标记、内容和结束标记）。

2. 匹配网址

在 Perl 中可能是：

my $curLine = $_; #Do not change $_ if it is needed for something else.
$curLine =~ /<a[^<]+<\/a>//g; #Remove all of HTML anchor tag, "<a", "</a>" and everything in between.
if ( $curLine =~ /http:\/\//)
{
  print "Matched an URL outside a HTML anchor !: $_\n";
}