如何用html doc中的超链接替换纯url答案

【问题标题】：how to replace plain url with hyperlinks in html doc如何用html doc中的超链接替换纯url
【发布时间】：2014-02-21 06:11:24
【问题描述】：

我正在尝试将普通链接替换为 html 文档中的超链接。我的逻辑是

private static final Pattern WEB_URL_PROTOCOL = Pattern.compile("(?i)http|https://");

StringBuffer sb = new StringBuffer();
        if (text != null) {
            // Escape any inadvertent HTML in the text message
            text = EmailHtmlUtil.escapeCharacterToDisplay(text);
            // Find any embedded URL's and linkify
              Matcher m = Patterns.WEB_URL.matcher(text);


            while (m.find()) {
                int start = m.start();

                if (start == 0 || text.charAt(start - 1) != '@') {
                    String url = m.group();
                    Matcher proto = WEB_URL_PROTOCOL.matcher(url);
                    String link;
                    if (proto.find()) {
                        lower case protocol link.
                        link = proto.group().toLowerCase() + url.substring(proto.end());
                    } else {

                        link = "http://" + url;
                    }
                    String href = String.format("<a href=\"%s\">%s</a>", link, url);
                    m.appendReplacement(sb, href);
                }
                else {
                    m.appendReplacement(sb, "$0");
                }
            }
            m.appendTail(sb);
        }

此代码已成功找出 html 文档中的所有链接。但问题是它也找到了超链接。所以我想排除超链接并只想找到普通链接例如它应该排除

<p class="MsoNormal"><a href="awbs://www.google.com" target="_BLANK">https://www.google.com</a> normal address https</p>

但普通链接https://www.google.com 应替换为超链接

编辑如果文档包含这样的文本 - 1.https://www.yahoo.com

2.https://www.google.com普通地址https

所以在这里我想用

替换 https://www.yahoo.com

<p class="MsoNormal"><a href = "https://www.yahoo.com>https://www.yahoo.com</a></p>

而且它根本不应该影响 2 。

【问题讨论】：

标签： java html regex hyperlink regex-negation

【解决方案1】：

我建议你在这里使用Jsoup。

示例代码

String text = "<html><head></head><body><a href='http://google.com'>Don't change this link</a> Change this: http://yahoo.com foo.com</body></html>";
Document d = Jsoup.parse(text);
String newHtmlCode = "";
String oldHtmlCode = d.outerHtml();
List<TextNode> textNodes = d.body().textNodes();

Matcher m = Patterns.WEB_URL.matcher("");
for (TextNode textNode : textNodes) {
    m.reset(textNode.text());

    String fragment = "";
    while (m.find()) {
        fragment = m.replaceAll("<a href=\"\\*\\*\\*$1\">$1</a>");
        textNode.replaceWith(new Element(Tag.valueOf("span"),"").html(fragment));
    }

    newHtmlCode = d.outerHtml().replaceAll("\"\\Q***\\E(?!https?://)", "\"http://").replaceAll("\"\\Q***\\E(https?://)", "\"$1");
}

System.out.println("BEFORE:\n\n" + oldHtmlCode);
System.out.println("----------------------------");
System.out.println("AFTER:\n\n" + newHtmlCode);

输出

BEFORE:

<html>
 <head></head>
 <body>
  <a href="http://google.com">Don't change this link</a> Change this: http://yahoo.com foo.com
 </body>
</html>
----------------------------
AFTER:

<html>
 <head></head>
 <body>
  <a href="http://google.com">Don't change this link</a>
  <span> Change this: <a href="http://yahoo.com">http://yahoo.com</a> <a href="http://foo.com">foo.com</a></span>
 </body>
</html>

【讨论】：

是否可以不使用解析器。我正在寻找正则表达式。
@Subham 检查我的答案我使用正则表达式来查找纯链接。 Jsoup 相当快。
@Subham 检查我的新答案。