URL检测和BB风格标签（正则表达式，前瞻性问题）

Question

所以我正在构建一个小型CMS，并且我想避免在内容编辑器中允许使用HTML。出于这个原因，我想检测文本中的原始URL以及支持类似BB的标签，以获得更好的定制。

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

不幸的是，我是相当新的正则表达式，我似乎无法得到这个工作。我在字符串上运行两个正则表达式：第一个检测原始URL，第二个BB类URL。后者似乎工作得很好，第一个干扰，然后转换包裹在标签中的URL。

我从一段代码开始，找到here并做了一些补充。

这是对非标记网址的代码：

/* 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 */ 
    (?!\[/link\]) 
) 

负向后看前www.是那里，因为/不是一个字符，而没有它像

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

仍然会在http://后匹配。

上述正则表达式产生以下的比赛（与http://gskinner.com/RegExr/测试，比赛都在大胆我不得不http://后添加空格，因为我不能发布更多的网址。）：

WWW .example.com的
HTTP：// www.example.com
HTTP：// example.com
[链接http://www.example.com]no问题1 [/链接]
[链接www.example.com]没问题2 [/链接]
[链接http://www.example.com]http://www.example.com[/link]

我试着走动负前瞻并用括号（非常漫无目的地）玩，没有成功。

为了完整起见，这里的标记匹配的正则表达式（这似乎工作）：

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

我敢肯定有人可以立即发现错误。

非常感谢！

Answer 1

我已经采取了你的正则表达式，用你给出的例子试图使它成为正则表达式，并试图使它正常工作。

一步一步：

1）原正则表达式：http://regexr.com?33snj。为什么这个正则表达式的[/链接]也匹配的问题是在URL匹配位：

[^\s()<>]+ 

这也将匹配开放括号字符“[”，因此匹配在遇到[/链接不会停止]位。有人可能会认为[字符是一个有效的URI字符，但这只是在罕见的条件下（请参阅this *以获取更多信息）。

2）我决定继续与您正则表达式，倒是开括号字符到否定的字符序列：

[^\s()<>[]+ 

这将让你成为另一个问题。见http://regexr.com?33snp。由于回溯引擎，现在在最后找到一种解决负面预测的方法。

3）一旦你将URL匹配组原子化（通过将？>添加到捕获组的开始处），引擎就会停止回溯，并且我们已经达到了期望的结果。

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

看到它在行动http://regexr.com?33sns。