URL檢測和BB風格標籤（正則表達式，前瞻性問題）

Question

所以我正在構建一個小型CMS，並且我想避免在內容編輯器中允許使用HTML。出於這個原因，我想檢測文本中的原始URL以及支持類似BB的標籤，以獲得更好的定製。

www.example.com 
[link http://www.example.com]Click me[/link] 

不幸的是，我是相當新的正則表達式，我似乎無法得到這個工作。我在字符串上運行兩個正則表達式：第一個檢測原始URL，第二個BB類URL。後者似乎工作得很好，第一個干擾，然後轉換包裹在標籤中的URL。

我從一段代碼開始，找到here並做了一些補充。

這是對非標記網址的代碼：

/* don't match URLs preceeded by '[link ' */ 
(?<!\[link\s) 
(
    /* match all combinations of protocol and www. */ 
    (\bhttps?://www\.|\bhttps?://|(?<!//)\bwww\.) 

    /* match URL (no changes made here) */ 
    ([^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/))) 

    /* but don't match if followed by [/link] - THIS DOESN'T WORK */ 
    (?!\[/link\]) 
) 

負向後看前www.是那裏，因爲/不是一個字符，而沒有它像

[link http://www.example.com]example[/link] 

仍然會在http://後匹配。

上述正則表達式產生以下的比賽（與http://gskinner.com/RegExr/測試，比賽都在大膽我不得不http://後添加空格，因爲我不能發佈更多的網址。）：

WWW .example.com的
HTTP：// www.example.com
HTTP：// example.com
[鏈接http://www.example.com]no問題1 [/鏈接]
[鏈接www.example.com]沒問題2 [/鏈接]
[鏈接http://www.example.com]http://www.example.com[/link]

我試着走動負前瞻並用括號（非常漫無目的地）玩，沒有成功。

爲了完整起見，這裏的標記匹配的正則表達式（這似乎工作）：

(?:\[link\s)(\bhttps?://|\bwww\.|\bhttps?://www\.)([^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))\](.*)(?:\[/link\]) 

我敢肯定有人可以立即發現錯誤。

非常感謝！

Answer 1

我已經採取了你的正則表達式，用你給出的例子試圖使它成爲正則表達式，並試圖使它正常工作。

一步一步：

1）原正則表達式：http://regexr.com?33snj。爲什麼這個正則表達式的[/鏈接]也匹配的問題是在URL匹配位：

[^\s()<>]+ 

這也將匹配開放括號字符「[」，因此匹配在遇到[/鏈接不會停止]位。有人可能會認爲[字符是一個有效的URI字符，但這只是在罕見的條件下（請參閱this stackoverflow以獲取更多信息）。

2）我決定繼續與您正則表達式，倒是開括號字符到否定的字符序列：

[^\s()<>[]+ 

這將讓你成爲另一個問題。見http://regexr.com?33snp。由於回溯引擎，現在在最後找到一種解決負面預測的方法。

3）一旦你將URL匹配組原子化（通過將？>添加到捕獲組的開始處），引擎就會停止回溯，並且我們已經達到了期望的結果。

(?<!\[link\s)((\bhttps?://www\.|\bhttps?://|(?<!//)\bwww\.)(?>[^\s()<>[]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))(?!\[/link\])) 

看到它在行動http://regexr.com?33sns。