用Java中的正则表达式链接文本答案

【问题标题】：Linkify text with regular expressions in Java用Java中的正则表达式链接文本
【发布时间】：2009-03-10 11:19:00
【问题描述】：

我在 Java webapp 中有一个所见即所得的文本区域。用户可以输入文本并设置样式或粘贴一些已经 HTML 格式的文本。

我要做的是链接文本。这意味着，将文本中所有可能的 URL 转换为它们的“工作对应”，即添加 ...。

当我只有纯文本时，此解决方案有效：

String r = "http(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(comment);
comment = matcher.replaceAll("<a href=\"$0\">$0</a>"); // group 0 is the whole expression

但问题是当有一些已经格式化的文本时，即它已经有 ... 标签。

所以我正在寻找某种方式让模式不匹配，只要它在两个HTML 标记() 之间找到文本。我已经读过这可以通过lookahead 或lookbehind 实现，但我仍然无法使其工作。我确定我做错了，因为正则表达式仍然匹配。是的，我一直在玩/调试组，将 $0 更改为 $1 等。

有什么想法吗？

【问题讨论】：

我想知道还有多少关于这个主题的问题，这样标题的每一个排列都已经存在于 SO 上，人们开始使用之前已经制定的解决方案之一。
我花了很多时间在这个上并做了一些研究，但仍然无法弄清楚。堆栈溢出帮助我找到了解决方案，现在整个社区都可以利用这些答案。您的评论不准确且令人反感。
我也挑战你向我展示这个问题的一个解决方案，该解决方案已经在 SO 上使用“置换标题”
@frank06：我的评论远非不准确。我在这里花了很多时间，我已经看到这个问题至少十次了。显然，整个社区都没有利用它，因为这似乎是不断被问到的。
自己看看：google.com/…

标签： java regex

【解决方案1】：

你很接近。您可以像这样使用“消极的后视”：

(?<!href=")http:// etc

所有以 href 开头的结果都将被忽略。

【讨论】：

谢谢，这正是我需要的……我确实非常接近！
我总是随身携带“正则表达式袖珍参考”;-)

【解决方案2】：

如果你想使用正则表达式，（尽管我认为首先解析为 XML/HTML 更健壮）我认为先行或后行是有意义的。第一次尝试可能是在你的正则表达式末尾添加这个：

(?!</a>)

含义：如果后面有结束标签，则不匹配。（当然，这可以永远调整。）但这并不好用，因为给定字符串

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

这个正则表达式将尝试匹配“http://example.com/”，由于前瞻（我们希望）而失败，然后回溯最后的贪婪限定符并匹配“http://example.com " 而不是，它后面没有。

您可以通过在 +、* 和 ? 上使用 possessive qualifier 来解决后一个问题。运营商 - 只需在他们后面加上 +。这可以防止他们回溯。出于性能原因，这可能也有好处。

这对我有用（注意三个额外的+）：

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

【讨论】：

【解决方案3】：

如果你真的想用正则表达式来做，比：

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

例如检查 URL 是否没有跟随 =" 或 />

【讨论】：

【解决方案4】：

也许 html 解析更适合您（例如htmlparser）。然后你可以有 html 节点并且只在文本中而不是在属性中“链接化”链接。

【讨论】：

【解决方案5】：

如果你必须自己动手，至少看看 Markdown 的开源实现中使用的算法/模式，例如，MarkdownJ。

【讨论】：