preg_replace() 中带有编号的反向引用的负回顾，没有效果答案

【问题标题】：Negative Look-back in preg_replace() with numbered Backreferences, has no effectpreg_replace() 中带有编号的反向引用的负回顾，没有效果
【发布时间】：2014-07-02 05:52:57
【问题描述】：

我有一个正则表达式函数，它将接受我的输入 $text 并返回相同的文本，但任何看起来远程像 Web 地址的内容被格式化为嵌入的 <a href></a>。

preg_replace('@(http)?(s)?(://)?(([-\w]+\.)+([^\s]+)+[^,.\s])@', '<a href="http$2://$4">$1$2$3$4</a>', $text)

示例输出：
http://www.example.com => <a href="http://www.example.com">http://www.example.com</a>
https://www.example.com => <a href="https://www.example.com">https://www.example.com</a>
www.example.com => <a href="http://www.example.com">www.example.com</a>

现在，我想扩展它，以便当它遇到一个前面有“”的网址时，它不会这样做——我试图阻止它来自重新嵌入已经在 href="" 属性中的地址。所以，我尝试添加一个否定的回溯，如下所示：

preg_replace('@(?<!")(http)?(s)?(://)?(([-\w]+\.)+([^\s]+)+[^,.\s])@', '<a href="http$2://$4">$1$2$3$4</a>', $text)

我的理解是负面的回顾不会捕捉到任何东西。不幸的是，添加回溯不仅不会阻止引擎替换以双引号开头的地址上的模式，而且最终还会完全破坏输出。我不知道是不是操作员弄乱了回溯，或者回溯周围的括号实际上是在替换规则中抛弃了我的反向引用。再说一次——我认为他们没有贡献任何捕获的模式。

【问题讨论】：

先发布输入字符串，然后发布您尝试的模式。
因为(http)?(s)?。这两个部分都是可选的，但它们不应该是。
这是我尝试过的两个输入字符串，$text=""www.example.com" 和 $text="www.example.com"。此外，这些部分怎么可能不是可选的？ http://www.example.com、https://www.example.com 和 www.example.com 都应该被该模式捕获。
@user57092 你是说这个regex101.com/r/aW0sT4/1 吗？
哇！不错的正则表达式环境！还有一个更好的解决方案！是的，这就是我想要的行为。将其作为答案，以便我接受。

标签： php regex preg-replace regex-lookarounds

【解决方案1】：

我建议这个不需要任何锚定的正则表达式（因此可以在包含链接和文本的页面上使用）：

<a href\s?=\s?"http(s)?://([^"]+)">([^<]+)</a>|(http)?(s)?(://)?((?:[-\w]+\.)+\S+[^,.\s])

用法：

$result = preg_replace('~<a href\s?=\s?"http(s)?://([^"]+)">([^<]+)</a>|(http)?(s)?(://)?((?:[-\w]+\.)+\S+[^,.\s])~', '<a href="http$1$5://$2$7">$3$4$5$6$7</a>', $text);

正则表达式匹配“普通”网址和已经包裹在锚标记之间的网址，但在替换时对它们的处理方式不同。

【讨论】：

【解决方案2】：

使用下面的正则表达式在<a>标签内嵌入一个站点地址，不要在已经嵌入的站点地址上进行嵌入。

正则表达式：

^(?!<a href.*$)(http)?(s)?(:\/\/)?(([-\w]+\.)+([^\s]+)+[^,.\s])

换人：

<a href="http$2://$4">$1$2$3$4</a>

DEMO

PHP 代码：

<?php
$mystring = <<<EOT
http://www.example.com
https://www.example.com
www.example.com
<a href="http://www.example.com">http://www.example.com</a>
EOT;
$pattern = "~^(?!<a href.*$)(http)?(s)?(:\/\/)?(([-\w]+\.)+([^\s]+)+[^,.\s])~m";
$replacement = '<a href="http$2://$4">$1$2$3$4</a>';
echo preg_replace($pattern, $replacement, $mystring);
?>

输出：

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

【讨论】：

您的模式是错误的，并且仅适用于测试示例，因为您使用带有 m 修饰符的行锚^ 的开头。我假设在现实生活中 URL 并不总是在行首。
@CasimiretHippolyte 那么如何在没有锚和 $ .op 的情况下编写它并没有提到页面中的 url。
别天真，网址可能在页面中！一种方法是将(<a\s.*?</a>)|urlpattern 与preg_replace_callback 一起使用。定义 group1 时返回它，未定义时返回嵌入“a”标签之间的整个匹配项。
还要注意，在(?!<a href.*$)(http)?(s)?(:\/\/)?(([-\w]... 中，前瞻总是正确的，因为下一个字符不能是尖括号。
卡西米尔的话是真的。我今天学到了很多关于正则表达式的知识:)

【解决方案3】：

Avinash Raj 和 Jerry 都提供了与我的问题中所述的参数和要求相匹配的解决方案，并且大大扩展了我对正则表达式的了解。不幸的是，我发现这两种解决方案都开始用iframe src 属性、mailto: 地址（@ 符号之后）等中的句点分隔地址替换字符串。

在多次尝试让正则表达式补偿所有这些可能性之后，由于 Jerry 解决方案中的第一个替代方案补偿了 <a> 标签内的地址，我得出的结论是，杰克在这里发布了第一个解决方案（以及不再存在）是正确的；我根本无法为我的用户提供协议猜测。所以我改变了要求：协议是必须的，用户必须指定http(s)或ftp(s)。这不是对我的要求，但我想不出更好的解决方案。为此，I devised this (considerably simpler) regex and substitution 规则如下：

正则表达式：

~(?<!["'>])(http|ftp)(s)?://((?:[-\w]+\.)+\S+[^,.\s])~g

换人：

<a href="$1$2://$3">$3</a>

我将此作为单独的答案发布，因为从技术上讲，它不受 Avinash 和 Jerry 所维护的参数的影响，这些参数构成了我所写的问题。事情的简单事实是，我无法有一个解决方案来处理我无法控制的 iframe 和其他此类元素。但我想不出比要求用户为其链接包含协议更好的方法了。我认为这是最合乎逻辑的妥协，但如果有人有更好的解决方案，我很想听听。

感谢大家深入了解正则表达式的本质，再次特别感谢 Avinash 向我展示了 regex101。

【讨论】：