RegEx - 在 html 文本中链接 URL

Question

想象下面的字符串

http://somedomain.com
<p>http://somedomain.com</p>
<a href="http://somedomain.com">http://somedomain.com</a>

我需要一个函数或正则表达式将其转换为。

<a href="http://somedomain.com">http://somedomain.com</a>
<p><a href="http://somedomain.com">http://somedomain.com</a></p>
<a href="http://somedomain.com">http://somedomain.com</a>

问题是我找到的每个解决方案都会破坏第三行已经链接的url，或者不链接<p>标签中的url。

PHP 解决方案会很好，但不是必需的。

Answer 1

这是一个通过您的测试用例的正则表达式 - 恐怕是 .Net 语法，而不是 PHP

(?<=(?:[^a-z0-9]|^))(?<!href=["'])([a-z0-9]+:\/\/[^\s<>\(\)\[\]'"]+)(?=[\s<>\(\)\[\]'"])(?!</a>)

以及替换字符串：

<a href='$1'>$1</a>

分解与解释

正则表达式由 5 个部分组成：

1. (?<=(?:[^a-z0-9]|^))
   • 断言背后的正面看法 - url 前面有一个非协议字符（或者是字符串的开头）
2. (?<!href=["'])
   • 断言背后的负面看法 - url 前面没有 href 属性
3. ([a-z0-9]+:\/\/[^\s<>\(\)\[\]'"]+)
   • 捕获 URL
   • 括起来的组，所以我们可以在替换表达式中使用它
   • 这是一个非常简单的 URL 匹配表达式 - 协议，后跟 ://，后跟一个或多个“非 URL”字符。您可能想用更好的东西替换它。
4. (?=[\s<>\(\)\[\]'"])
   • 正向前瞻断言 - url 后跟非 url 字符
5. (?!</a>)
   • 否定的前瞻断言 - url 后面没有结束 </a> 标记