使url正则表达式全局

Question

我一直在寻找一个正则表达式来替换字符串中的纯文本url(字符串可以包含多个url)，方法是：

 <a href="url">url</a>

我发现了这个：http://mathiasbynens.be/demo/url-regex

我想使用diegoperini的regex (根据测试是最好的)：

_^(?:(?:https?|ftp)://)(?:\S+(?::\S*)?@)?(?:(?!10(?:\.\d{1,3}){3})(?!127(?:\.\d{1,3}){3})(?!169\.254(?:\.\d{1,3}){2})(?!192\.168(?:\.\d{1,3}){2})(?!172\.(?:1[6-9]|2\d|3[0-1])(?:\.\d{1,3}){2})(?:[1-9]\d?|1\d\d|2[01]\d|22[0-3])(?:\.(?:1?\d{1,2}|2[0-4]\d|25[0-5])){2}(?:\.(?:[1-9]\d?|1\d\d|2[0-4]\d|25[0-4]))|(?:(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)(?:\.(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)*(?:\.(?:[a-z\x{00a1}-\x{ffff}]{2,})))(?::\d{2,5})?(?:/[^\s]*)?$_iuS

但我想让它全局替换字符串中的所有url。当我使用这个的时候：

/_(?:(?:https?|ftp)://)(?:\S+(?::\S*)?@)?(?:(?!10(?:\.\d{1,3}){3})(?!127(?:\.\d{1,3}){3})(?!169\.254(?:\.\d{1,3}){2})(?!192\.168(?:\.\d{1,3}){2})(?!172\.(?:1[6-9]|2\d|3[0-1])(?:\.\d{1,3}){2})(?:[1-9]\d?|1\d\d|2[01]\d|22[0-3])(?:\.(?:1?\d{1,2}|2[0-4]\d|25[0-5])){2}(?:\.(?:[1-9]\d?|1\d\d|2[0-4]\d|25[0-4]))|(?:(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)(?:\.(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)*(?:\.(?:[a-z\x{00a1}-\x{ffff}]{2,})))(?::\d{2,5})?(?:/[^\s]*)?_iuS/g

它不工作，我如何使这个正则表达式是全局的，开头的下划线和结尾的"_iuS“是什么意思？

我想在php中使用它，所以我使用：

preg_replace($regex, '<a href="$0">$0</a>', $examplestring);

Answer 1

下划线是正则表达式分隔符，i、u和S是模式修饰符：

I (PCRE_CASELESS)

如果设置了此修饰符，则模式中的字母将同时匹配大小写字母。

U (PCRE_UNGREEDY)

这个修饰符颠倒了量词的“贪婪”，因此它们在缺省情况下不是贪婪的，但如果后面跟着？，它们就会变得贪婪。它与Perl不兼容。它也可以通过模式中的(?U)修饰符设置或通过量词后面的问号(例如.*?)来设置。

S

当一个模式要被多次使用时，值得花更多的时间来分析它，以加快匹配所需的时间。如果设置了此修饰符，则会执行此额外分析。目前，学习模式只对没有单个固定起始字符的非锚定模式有用。

有关更多信息，请参阅http://www.php.net/manual/en/reference.pcre.pattern.modifiers.php

当您添加/ ... /g时，您添加了另一个正则表达式分隔符加上修饰符g，这就是它不起作用的原因。

Answer 2

我同意@verdesmarald，并在以下函数中使用了此模式：

$string = preg_replace_callback(
        "_(?:(?:https?|ftp)://)(?:\S+(?::\S*)?@)?(?:(?!10(?:\.\d{1,3}){3})(?!127(?:\.\d{1,3}){3})(?!169\.254(?:\.\d{1,3}){2})(?!192\.168(?:\.\d{1,3}){2})(?!172\.(?:1[6-9]|2\d|3[0-1])(?:\.\d{1,3}){2})(?:[1-9]\d?|1\d\d|2[01]\d|22[0-3])(?:\.(?:1?\d{1,2}|2[0-4]\d|25[0-5])){2}(?:\.(?:[1-9]\d?|1\d\d|2[0-4]\d|25[0-4]))|(?:(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)(?:\.(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)*(?:\.(?:[a-z\x{00a1}-\x{ffff}]{2,})))(?::\d{2,5})?(?:/[^\s]*)?_iuS",
        create_function('$match','
            $m = trim(strtolower($match[0]));
            $m = str_replace("http://", "", $m);
            $m = str_replace("https://", "", $m);
            $m = str_replace("ftp://", "", $m);
            $m = str_replace("www.", "", $m);

            if (strlen($m) > 25)
            {
                $m = substr($m, 0, 25) . "...";
            }

            return "<a href=\"$match[0]\">$m</a>";
                '), $string);

    return $string;

它似乎起到了作用，并解决了我遇到的一个问题。正如@verdesmarald所说，删除^和$字符使模式即使在我的pre_replace_callback()中也可以工作。

我唯一关心的是模式的效率有多高。如果在繁忙/高流量的web应用中使用，会不会造成瓶颈？

更新

如果在url的路径部分的末尾有一个尾迹点，那么上面的正则表达式模式就会中断，比如http://www.mydomain.com/page.。为了解决这个问题，我修改了正则表达式模式的最后部分，添加了^.，使最后部分看起来像[^\s^.]。在我读它的时候，不要匹配尾随的空格或点。

到目前为止，在我的测试中，它似乎工作得很好。