查找網址，而忽略HTML標籤

Question

我得到了下面的text/html：

Hello ! You should check this link : http://google.com 
And this link too : <a href="http://example.com">http://example2.com</a> 

我希望有一個正則表達式趕在我的文字的網址由<a>來取代它們。我得到了以下的正則表達式：

var REG_EXP = /[^">]((([A-Za-z]{3,9}:(?:\/\/)?)(?:[-;:&=\+\$,\w]+@)?[A-Za-z0-9.-]+|(?:www.|[-;:&=\+\$,\w]+@)[A-Za-z0-9.-]+)((?:\/[\+~%\/.\w-_]*)?\??(?:[-\+=&;%@.\w_]*)#?(?:[\w]*))?)[^"<]/gi; 

但我的正則表達式也搭上http://example.com和http://example2.com。我不知道如何改進它以避免這種情況。

Answer 1

檢查此答案https://stackoverflow.com/a/4217452/1795220。肯定有像<a href="http://example.com">http://example2.com</a>這樣的HTML是不正確的。

Answer 2

這可能滿足您的需求：

(?<!href=")(http://[a-z0-9]++(?:[.-:/?&=][a-z0-9]+)++)(?!</a>) 

請注意，我用的URL模式是非常簡單和寬容：

http://[a-z0-9]+(?:[.-:/?&=][a-z0-9]+)+ 

• (?<!href=")指 「不被href="前面」
• (?!</a>)表示「之後沒有</a>「
• ++被稱爲possessive quantifier

僅僅通過<a href="$1">$1</a>在this example更換匹配。

不要期望從正則表達式嘗試解決這種工作太多，這不是他們所做的。