我该如何使用正则表达式找到所有Markdown链接？

Question

我该如何使用正则表达式找到所有Markdown链接？

9

在Markdown中，有两种方法可以放置一个链接：一种是直接输入原始链接，例如：http://example.com；另一种是使用()[]语法：(Stack Overflow)[http://example.com ]。

我正在尝试编写一个正则表达式以匹配这两种方式，并且如果是第二种情况，还要捕获显示的字符串。

到目前为止，我有以下内容：

(?P<href>http://(?:www\.)?\S+.com)|(?<=\((.*)\)\[)((?P=href))(?=\])

正则表达式可视化

Debuggex演示

但是这似乎与我在Debuggex中测试的两个测试用例都不匹配：

http://example.com
(Example)[http://example.com]

我真的不确定为什么至少第一个没有匹配成功，这是因为我使用了命名组吗？如果可能，我想继续使用它，因为这是一个简化的表达式来匹配链接，在实际示例中，我不想在同一模式的两个不同位置重复它。

我做错了什么？还是根本不可行？

编辑： 我正在使用Python进行此操作，因此将使用它们的正则表达式引擎。

- Sam Kellett

你会使用哪个正则表达式引擎/语言？ - Casimir et Hippolyte

Python的！抱歉，应该先澄清一下，现在会编辑问题。 - Sam Kellett

4

细节问题，但是您的 Markdown 方括号顺序错误——应该是 [文本](链接)，因此 [] 在 ()之前。 - Hamish Downer

还有一种通过引用添加链接的方式，例如在一行中使用[link]，然后在其他地方使用[link]: http://...。 - Jorge Orpinel Pérez

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Casimir et Hippolyte · Accepted Answer

你的模式无法工作的原因在于这里：(?<=\((.*)\)\[)，因为Python的re模块不允许可变长度的正向回顾。你可以使用Python的新正则表达式模块regex来更加方便地获得你想要的结果（因为相比之下，re模块的功能较少）。例如：(?|(?<txt>(?<url>(?:ht|f)tps?://\S+(?<=\P{P})))|\(([^)]+)\)\[(\g<url>)\])。这是一个在线演示：http://regex101.com/r/mL3hA8/1。模式细节如下：

(?|                                       # open a branch reset group
    # first case there is only the url
    (?<txt>                               # in this case, the text and the url  
        (?<url>                           # are the same
            (?:ht|f)tps?://\S+(?<=\P{P})
        )
    )
  |                                       # OR
    # the (text)[url] format
    \( ([^)]+) \)                         # this group will be named "txt" too 
    \[ (\g<url>) \]                       # this one "url"
)

此模式使用分支重置特性 (?|...|...|...)，它允许在交替时保留捕获组的名称(或编号)。在该模式中，由于第一个成员的首个位置处打开了?<txt>组，因此第二个成员中的第一个组将自动具有相同的名称。对于?<url>组也是如此。

\g<url>是对命名子模式?<url>的引用（类似于别名，以此方式，在第二个成员中不需要重写它）。

(?<=\P{P})检查URL的最后一个字符是否不是标点符号（例如避免闭合方括号的问题）。（我不确定语法是否正确，可能应该是\P{Punct}）