使用正则表达式进行条件替换

Question

当谈到正则表达式时，我是一个相对新手，但我开始掌握它的窍门。我开始在 java 中编写一个方法来“链接”一个字符串 - 也就是说，扫描它以查找任何 url 引用（即“http://...”）或 看起来 像 web 的字符串地址（“www.example.com...”）

例如，如果我有一个如下所示的字符串：

My favorite site is http://www.example.com.  What is yours?

通过方法运行它后，你会得到一个字符串，上面写着：

My favorite site is <a href="http://www.example.com">http://www.example.com</a>.  What is yours?

在网上搜索了一段时间后，我终于能够拼凑出不同的表达方式，帮助我做我正在寻找的事情（一些例子包括实际 url 中 url 末尾的尾随句点，一些编码网址已经在锚标签等）

这是我目前所拥有的：

public static String toLinkifiedString(String s, IAnchorBuilder anchorBuilder)
{
    if (IsNullOrEmpty(s))
    {
        return Empty;
    }

    String r = "(?<![=\"\"\\/>])(www\\.|(http|https|ftp|news|file)(s)?://)([\\w+?\\.\\w+])+([a-zA-Z0-9\\~\\!\\@\\#\\$\\%\\^\\&amp;\\*\\(\\)_\\-\\=\\+\\\\\\/\\?\\.\\:\\;\\'\\,]*)?([^.|'|# |!])";

    Pattern pattern = Pattern.compile(r, Pattern.DOTALL | Pattern.UNIX_LINES | Pattern.CASE_INSENSITIVE);
    Matcher matcher = pattern.matcher(s);
    if (anchorBuilder != null)
    {
        return matcher.replaceAll(anchorBuilder.createAnchorFromUrl("$0"));
    }
    return matcher.replaceAll("<a href=\"$0\">$0</a>"); // group 0 is the whole expression
}

public interface IAnchorBuilder
{
    public String createAnchorFromUrl(String url);
}

还有一个简单的 toLinkifiedString 版本，它只接受字符串 s - 它只是调用 toLinkifiedString(s, null)

就像我说的那样，这种模式可以捕获我需要捕获的所有内容，并且 replaceAll 对每种情况都非常有效，除非链接以 www 开头。如果匹配以“www”而不是协议开头，如“http”或“ftp”，我想有条件地在结果链接前添加“http://”。那就是：

MyClass.toLinkifiedString("go to www.example.org") 

应该返回

go to <a href="http://www.example.com">www.example.org</a>

匹配组如下：

• $0 - 找到的实际网址：http://www.example.org 或 www.example.net
• $1 - 协议匹配（“http://”或“www”表示无协议的链接）

我想我想做的事，在伪代码中是这样的：

matcher.replaceAll("<a href="(if protocol = "www", insert "http://" + url - otherwise, insert url">url</a>"

这可能吗？或者我是否应该对只能从以“http://...”开头的链接创建锚点感到满意 :)

感谢任何人提供的任何帮助

Answer 1

对于您的具体问题，请务必使用 Tomalak 所说的回调函数。

对于所有这些斜线的问题，以及其他各种奇怪的东西......

这是您当前的跨行 Java 正则表达式：

(?<![=\"\"\\/>])
(www\\.|(http|https|ftp|news|file)(s)?://)
([\\w+?\\.\\w+])+
([a-zA-Z0-9\\~\\!\\@\\#\\$\\%\\^\\&amp;\\*\\(\\)_\\-\\=\\+\\\\\\/\\?\\.\\:\\;\\'\\,]*)?
([^.|'|# |!])

与非 Java 正则表达式相同（没有 Java 字符串转义）：

(?<![=""\/>])
(www\.|(http|https|ftp|news|file)(s)?://)
([\w+?\.\w+])+
([a-zA-Z0-9\~\!\@\#\$\%\^\&amp;\*\(\)_\-\=\+\\\/\?\.\:\;\'\,]*)?
([^.|'|# |!])

这是对它有什么问题的描述...... :)

第一行 - 你在字符类中复制了"，不需要转义/

第二行 - 好的，除了我不确定你对 (s)? 部分的要求是什么，因为无论如何你在前一组中有 https。

第三行 - 你知道你有一个字符类吗？量词不起作用。你可能想要(\w+?\.\w+)+。 （这是 Java 字符串中的 (\\w+?\\.\\w+)+。）

第四行 - 哇，这么多的逃跑！几乎都是不必要的。试试看：([a-zA-Z0-9~!@#$%^&*()_\-=+\/?.:;',]*)?（再一次：([a-zA-Z0-9~!@#$%^&*()_\\-=+\\/?.:;',]*)?）

第五行 - 交替在字符类中没有任何作用。这样做：[^.'#!]，如果你真的想阻止管道字符出现，请添加一个 |。

将所有这些 cmets 放在一起提供了这个正则表达式：

(?<![="/>])
(www\.|(http|https|ftp|news|file)://)
(\w+?\.\w+)+
([a-zA-Z0-9~!@#$%^&*()_\-=+\/?.:;',]*)?
([^.'# !])

或者，再次为 Java 转义：

(?<![=\"/>])
(www\\.|(http|https|ftp|news|file)://)
(\\w+?\\.\\w+)+
([a-zA-Z0-9~!@#$%^&*()_\\-=+\\/?.:;',]*)?
([^.'# !])

注意这有多简单！

回到单行给出：

(?<![="/>])(www\.|(http|https|ftp|news|file)://)(\w+?\.\w+)+([a-zA-Z0-9~!@#$%^&*()_\-=+\/?.:;',]*)?([^.'# !])

或

(?<![=\"/>])(www\\.|(http|https|ftp|news|file)://)(\\w+?\\.\\w+)+([a-zA-Z0-9~!@#$%^&*()_\\-=+\\/?.:;',]*)?([^.'# !])

但我会坚持使用多行 - 一开始就敲(?x)，它是一个忽略空格的有效正则表达式，你可以使用#s进行评论 - 只要正则表达式总是一件好事像这样！

Answer 2

看起来您需要一个回调函数来返回您可以使用的动态结果，而不是您当前在replaceAll() 中拥有的固定字符串。

我想你可以从这个问题的公认答案中得出一些结论：Java equivalent to PHP's preg_replace_callback。