需要一个很好的正则表达式来将URL转换为链接，但只保留现有链接

Question

我有一个用户提交的内容负载。它是HTML，可能包含URL。其中一些将是<a>已经（如果用户是好的），但有时用户懒惰，只需键入www.something.com或最好http://www.something.com。

我找不到一个体面的正则表达式来捕获URL，但忽略立即在双引号或'>'右边的那些。任何人都有一个？

Answer 1

Jan Goyvaerts，RegexBuddy的创建者，拥有written a response给Jeff Atwood的博客，该博客解决Jeff提供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+&@#/%=~_|$?!:,.]*[A-Z0-9+&@#/%=~_|$] 

为了忽略发生的旁边的一个“或>，您可以添加(?<![">])的正则表达式的开始比赛，所以你得到

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

这将匹配完整地址（http://.. ）以及与WWW或FTP起始地址 - 你的运气与地址一样ars.userfriendly.org ...

Answer 2

无耻插头：你可以看看这里（regular expression replace a word by a link）为灵感

。

这个问题要求用某个链接替换某个词，除非已经存在链接。所以你遇到的问题或多或少是一回事。

您只需要一个匹配URL的正则表达式（代替单词）。最简单的假设是这样的：一个URL（可选）以"http://","ftp://"或"mailto:"开头，只要没有空格字符，换行符，标记括号或引号就可以持续。

要小心，长的正则表达式在前面。不区分大小写应用。

(href\s*=\s*['"]?)?((?:http://|ftp://|mailto:)?[^.,<>"'\s\r\n\t]+(?:\.(?![.<>"'\s\r\n])[^.,!<>"'\s\r\n\t]+)+) 

被警告 - 这也将匹配在技术上无效的网址，它可以识别things.formatted.like.this作为URL。如果它太不灵敏，这取决于你的数据。如果你有例子返回误报，我可以微调正则表达式。

正则表达式将产生两个匹配组。第2组将包含匹配的东西，这很可能是一个URL。组1将包含一个空字符串或'href="'。你可以用它作为一个指标，表明这个匹配发生在里面现有链接的href参数，你不必触摸那个。

一旦你确认此做正确的事你大部分时间（与用户提供的数据，你永远无法确定），你可以做其余的两个步骤，正如我在另议它问题：

1. 让周围的每一个URL链接存在（除非有东西在比赛第1组！）这将产生的事物，本来就有连杆双嵌套<a>标签。
2. 扫描错误嵌套<a>标签，去掉最里面的一个

Answer 3

要跳过现有的只使用一个向后看 - 添加(?<!href=")到你的正则表达式的开始，所以它看起来是这样的：

/(?<!href=")http://\S*/ 

显然，这不是对找到所有类型的URL的完整的解决方案，但是这应该解决您与现有搞乱的问题。

Answer 4

我做了少许修改包含在原来的答案正则表达式：

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

，让更多的子域，并可以运行在标签更为全面检查。若要将此PHP的预浸料代替，你可以使用：

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

注意，我删除@从正则表达式，为了使用它作为一个的preg_replace分隔符。无论如何，@将很少用在URL中。

很明显，你可以修改替换文本，并删除目标=“_空白”，或添加相对=“nofollow”等

希望有所帮助。

Answer 5

这条线程比较古老，但我在处理自己的问题时遇到了它：也就是说，将任何网址转换为链接，但不要将任何已经存在于锚定标记中的网址留下。过了一会儿，这是什么弹出：

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

用下面的输入：

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> 

这是一个preg_replace函数的输出：

<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> 

只是想回贡献为了节省一些时间。

Answer 6

if (preg_match('/\b(?<!=")(https?|ftp|file):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[A-Z0-9+&@#\/%=~_|](?!.*".*>)(?!.*<\/a>)/i', $subject)) { 
    # Successful match 
} else { 
    # Match attempt failed 
}