URL 正则表达式除外

Question

唉，正则表达式又出问题了。

我在 $text 中有以下内容：

[img]http://www.site.com/logo.jpg[/img]

and 

[url]http://www.site.com[/url]

我有正则表达式：

$text = preg_replace("/(?<!(\[img\]|\[url\]))([http|ftp]+:\/\/)?\S+[^\s.,>)\];'\"!?]\.+[com|ru|net|ua|biz|org]+\/?[^<>\n\r ]+[A-Za-z0-9](?!(\[\/img\]|\[\/url\]))/","there was link",$text);

重点是仅当 url 前面没有 [img] 或 [url] 且后面不跟有 [/img] 或 [/url]。在上一个示例的输出中，我得到：

there was link

and

there was link

URL 以及后向和前向正则表达式都可以单独正常工作。

$text = "[img]bash.org/logo.jpg[/img]";

$text = preg_replace("/(?<!(\[img\]|\[url\]))bash.org(?!(\[\/img\]|\[\/url\]))/","there was link",$text);

echo $text leaves everything as is and gives me [img]bash.org/logo.jpg[/img] 

我认为问题出在环视和 URL 正则表达式的组合上。我的错误在哪里？

我想

将 http://www.google.com 替换为“there was链接”，但保留原样“[url]http://www.google.com[/url] "

我明白了

http://www.google.com 替换为“有链接”和 [url]http://www.google.com[/url ] 替换为“有链接”

这里是要测试的 PHP 代码

<?php

$text = "[url]http://www.google.com[/url] <br><br> http://www.google.com"; 
         // should NOT be changed                  //should be changed    

$text = preg_replace("/(?<!\[url\])([http|ftp]+:\/\/)?\S+[^\s.,>)\];'\"!?]\.+[com|ru|net|ua|biz|org]+\/?[^<>\n\r ]+[A-Za-z0-9](?!\[\/url\])/","there was link",$text);

echo $text;

echo '<hr width="100%">';

$text = ":) :-) 0:) 0:-) :)) :-))";

$text = preg_replace("/(?<!0):-?\)(?!\))/","smiley",$text);

echo $text; // lookarounds work

echo '<hr width="100%">';

$text = "http://stackoverflow.com/questions/2482921/regexp-exclusion";

$text = preg_replace("/([http|ftp]+:\/\/)?\S+[^\s.,>)\];'\"!?]\.+[com|ru|net|ua|biz|org]+\/?[^<>\n\r ]+[A-Za-z0-9]/","it's a link to stackoverflow",$text);

echo $text; // URL pattern works fine

?>

Answer 1

假设我理解您的意思，您希望将 $input 中的所有 URL 替换为“link was here”，除非 URL 位于 url 或 img bbcode 标记内。环视断言不起作用的原因是因为这些部分实际上与您非常贪婪的 URL 模式匹配（我相当确定它做了很多您不想做的事情）。编写一个与其他文本中的任何有效 URL（包括查询字符串）匹配且与附加的标签不匹配的模式不一定是最简单的事情。特别是因为您当前的模式有 http:// 或 ftp:// 作为可选。

您可能获得成功的唯一方法是确定构成 url 的一组严格规则。

Answer 2

很难完全理解你的问题，但看起来你正在做反向 BBcode。那么，如果它被标签包围，就不要管它吗？如果是这种情况，那么我认为您会遇到一个有趣的问题，因为 URL 正则表达式非常复杂。

我认为您可能使事情变得比需要的更复杂。相反，我会更改 BBcode 之间的任何内容。这是我认为需要发生的事情：

1. 找到字符串段“[url]”
2. 捕获任何继续进行的内容
3. 当看到字符串段“[/url]”时结束捕获

这是一个简单的正则表达式：

$string = "[url]http://www.google.com[/url] <br><br> http://www.google.com"; 

$replace = "there was link";
$text = preg_replace_all($regex,$replace,$text);
echo $text;

我知道这不完全是你所要求的（事实上，可能完全相反），但它会达到相同的结果并且更容易。

您可以尝试在此正则表达式中使用负向先行，但我不确定它会给您正确的结果：

$regex = "#(?!\[url\])(.*)(?!\[/url\])#";

一个重要说明：这不会净化用户输入。确保你这样做，但我会将逻辑分开，这样就很容易看到你在做什么以及在哪里做。我还会使用库来执行此操作，因为它更容易而且可能更安全。

Answer 3

最终工作正则表达式如下所示：

(?<!\[img\]|\[url\])((^|\s)([\w-]+://|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))(?!\[\/img\]|\[/url\])

示例：

<?php

$text = "

[img]http://google.com/logo.jpg[/img]

[img]www.google.com/logo.jpg[/img]

[img]http://www.google.com/logo.jpg[/img]

[url]http://google.com/logo.jpg[/url]

[url]www.google.com/logo.jpg[/url]

[url]http://www.google.com/logo.jpg[/url]

www.google.com/logo.jpg

http://google.com/logo.jpg

http://www.google.com/logo.jpg

";

$text = nl2br($text);


$text = preg_replace("'(?<!\[img\]|\[url\])((^|\s)([\w-]+://|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))(?!\[\/img\]|\[/url\])'i","<font color=\"#ff0000\">link</font>",$text);

echo $text;

?>

输出：

[img]http://google.com/logo.jpg[/img]

[img]www.google.com/logo.jpg[/img]

[img]http://www.google.com/logo.jpg[/img]

[url]http://google.com/logo.jpg[/url]

[url]www.google.com/logo.jpg[/url]

[url]http://www.google.com/logo.jpg[/url]

link

link

link

技巧是仅替换以 ^ 或 \s 开头的链接。没有找到其他方法来解决这个问题。

Answer 4

我的错误在哪里？

嗯，最糟糕的错误是回顾。这是没有必要的，而且它使工作变得比需要的更加困难。假设现有标签格式良好，您无需费心寻找开始标签；它的存在是通过结束标签的存在来暗示的。

编辑：除了lookbehind之外，您的正则表达式还有其他几个问题，但似乎不值得尝试修复它。相反，我从 RegexBuddy 的内置有用正则表达式库中获取了一个正则表达式，并向其中添加了前瞻功能。

尝试这个正则表达式（或者在 ideone 上查看它的实际情况）：

'_\b(?>
     (?>www\.|ftp\.|(?:https?|ftp|file)://)  # scheme or subdomain
     [-+&@#/%=~|$?!:,.\w]*[+&@#/%=~|$\w]     # everything else
   )(?!\[/(?:img|url)\])
 _x'

仅仅因为问题可以被描述 /em> 就向前或向后、向前或向后等而言，并不意味着您应该以这种方式设计正则表达式。特别是后视永远不应该成为您使用的第一个工具。