如何解析句子中URL末尾的句点？

Question

以下是我目前的进展：

/(^|\s)(http:\/\/(\S+)(?!(.png|.gif|.jpg)($|\.\s|\.$|\s)))($|\.\s|\.$|\s)/i

我将其替换为以下内容：

'$1<a href="$2">$2</a>$6'

有时候，我的用户会输入类似这样的内容：http://google.com。 <- 我如何避免包含URL中的末尾句点而不解析其他在URL中的句点？

另外，如果你想知道.gif .png等是用来干什么的，我正在解析图像以自动创建img标签。

编辑： 这是为PHP而做的。

这是一个论坛，用户发布很多帖子，其中包括链接。它可以成功地处理除URL后面的标点符号之外的所有情况。

第二次编辑： 解析可能是错误的词。我不想删除标点符号，只是将其与URL分开，以便向我的用户显示可工作的链接。

第三次编辑： http://daringfireball.net/2010/07/improved_regex_for_matching_urls 我还没有完全测试，但它似乎有效。我会在测试之后把它作为解决方案。或者如果有人想得到积分，请随意测试，我会投票支持你的解决方案。

- Stephane

---

如果您不必使用正则表达式，更简单和高效的解决方案是检查字符串的最后一个字符是否为句号，然后将其删除。 - Aurelio De Rosa

Answer 1

因此，更新的解决方案是：

/\b(http:\/\/(\S+(?<!\.)(?=(?:$|\s|\.(?:$|\s)))))(?<!(?:\.(?:png|gif|jpg)))/i

在Regexr上在线查看，请点击此处

我将您的(^|\s)替换为\b，这是一个单词边界，正好符合您的要求。

对于您的(\S+)，我改为(\S+(?<!\.)(?=(?:$|\s|\.(?:$|\s))))。基本上，我匹配每个非空白字符，直到有$|\s|\.(?:$|\s)在前面，且左侧没有句点（即(?<!\.)部分）。

以下环视需要成为后顾。

然后，我稍微清理了您的括号和交替，并使用了一些非捕获组（以(?:开头的组）

因此，对于您的测试字符串users type something like this: http://google.com. <- How do I avoid，它将使用第一个组中的http://google.com进行匹配，并在第二个组中使用google.com。

- stema

---

我喜欢这些变化，但是当字符串中有多个URL时它就失败了。它将第二个URL保留为字符串（而我的原始代码处理正确）。 - Stephane

@Stephane，它不是在多个URL上失败，而是在没有点在末尾的URL上失败。已更正正则表达式并更新了Regexr链接。现在有点复杂了。 - stema

Answer 2

PHP解决方案：

$line = 'http://www.google.com.';

echo preg_replace(
    "/(\s*)((http:\/\/)?(\S+?(.png|.gif|.jpg)?))(\W*)$/i", 
    '$1<a href="$2">$2</a>$6', 
    $line), "\n";

- bigendian

---

我正在使用PHP将URL替换为链接。我不想去除任何内容。 - Stephane

好的，但是你能否匹配并创建一个链接，将我现在输入的内容http://google.com转换成链接。它不总是在结尾！Stackoverflow做得很好！ - Stephane

它仍然没有正常工作。这是测试字符串：http://google.com。和http://google.png。和http://google.com（SO正在删除http://）。 - Stephane

你在改变目标。你能更好地布置你的测试用例和预期结果吗？例如，当用户创建到google.png的链接时，你希望发生什么？你的代码是否应该知道.png是有效的顶级域名？当缺少"http://"时，你想让它自动添加吗？等等。 - bigendian

抱歉。（谢谢）我的要求是，无论有多少个URL，都要被替换为锚点，即使有尾随标点符号。现在，我已经让它查找空格，这样可以正常工作，但是我有一些用户在句子中使用URL，并且结尾的句号会包含在href中，从而破坏链接。这样清楚吗？图片的事情与此无关。我只是试图解释那个正则表达式已经在做什么。 - Stephane