正則表達式：如何匹配任何字符串，直到空格，或直到標點后跟空格？

Question

我正在嘗試編寫一個正則表達式，它將在純文本字符串中找到URL，以便我可以用錨標記包裝它們。 我知道已有表達式可用於此 ，但我想創建自己的表達式 ，主要是因為我想知道它是如何工作的。

如果我的正則表達式失敗，它不會破壞任何東西，我的計划是寫一些相當簡單的東西。 到目前為止，這意味着：1）在單詞的開頭匹配“www”或“http”2）保持匹配直到單詞結束。

我能做到這一點，AFAICT。 我有這個： \\b(http|www).?[^\\s]+

哪個適用於foo www.example.com bar http://www.example.com等。

問題是，如果我給它foo www.example.com, http://www.example.com它認為逗號是URL的一部分。

因此，如果我要使用一個表達式來執行此操作，我需要更改“...當你看到空格時停止”到“......當你在空白之前看到空格或一個標點符號時停止”。 這是我不知道該怎么辦。

目前，我正在考慮運行的解決方案是添加另一個測試 - 匹配URL，然后在下一行移動任何偷偷摸摸的標點符號。 這不是那么優雅。

注意：我是用PHP編寫的。

旁白：為什么在上面的表達式中用\\b替換\\s似乎不起作用？

---

ETA：

感謝大家！

根據Explosion Pills的建議，這是我最終得到的結果：

function add_links( $string ) {
    function replace( $arr ) {
        if ( strncmp( "http", $arr[1], 4) == 0 ) {
            return "<a href=$arr[1]>$arr[1]</a>$arr[2]$arr[3]";
        } else {
            return "<a href=" . "http://" . $arr[1] . ">$arr[1]</a>$arr[2]$arr[3]";
        }
    }
return preg_replace_callback( '/\b((?:http|www).+?)((?!\/)[\p{P}]+)?(\s|$)/x', replace, $string );
}

我添加了一個回調，以便所有鏈接都以http：//開頭，並且做了一些擺弄處理標點符號的方法。

它可能不是最好的做事方式，但它有效。 我在最后一段時間里學到了很多東西，但還有更多要學習的東西！

Answer 1

preg_replace('/
    \b       # Initial word boundary
    (        # Start capture
    (?:      # Non-capture group
    http|www # http or www (alternation)
    )        # end group
    .+?      # reluctant match for at least one character until...
    )        # End capture
    (        # Start capture
    [,.]+    # ...one or more of either a comma or period.
             # add more punctuation as needed
    )?       # End optional capture
    (\s|$) # Followed by either a space character or end of string
    /x', '<a href="\1">\1</a>\2\3'

......可能就是你想要的。 我認為它仍然不完美，但它至少應該滿足您的需求。

旁白：我認為這是因為\\b匹配標點符號

Answer 2

你可以通過積極的先行斷言來實現這一目標：

\b(http:|www\.)(?:[^\s,.!?]|[,.!?](?!\s))+

在Regexr上看到它。

手段，匹配任何東西，但空白,.!? 或者匹配,.!? 什么時候沒有空格。

旁白： 單詞邊界不是字符或一組字符，您不能將它放入字符類。 它是一個零寬度斷言，匹配從單詞字符到非單詞字符的變化。 在這里，我相信，字符類中的\\b被解釋為退格字符（字符串轉義序列）。

Answer 3

問題可能在於點，這意味着正則表達式中的“任何字符”。 你可能不得不逃避它：

\b(http|www)\.?[^\s]+

然后，問號意味着0或1，所以你說“可選點”不是你想要的（對吧？）：

\b(http|www)\.[^\s]+

現在，它只會匹配http. 和www. 所以你需要告訴你接受的其他角色：

\b(http|www)\.[^\s\w]+

要么

\b(http|www)\.[^\sa-zA-Z]+

所以現在你說，

• 在一個詞的邊界
• 檢查http或www
• 放點
• 允許任何范圍的az或AZ ，不允許任何空白字符
• 其中一個或多個

注意 - 我沒有測試過這些，但希望它們是正確的。

---

除此之外（我的看法） - \\s表示'空白'。 \\b表示'字邊界'。 []表示“允許的字符范圍”。 ^表示'不'。 +表示“一個或多個”。

所以當你說[^\\b]+你說'不允許這個字符范圍內的字邊界，並且必須有一個或多個'並且因為那里沒有別的東西>沒有別的東西被允許>沒有一個或更多>它可能會破裂。

Answer 4

你應該嘗試這樣的事情：

\b(http|www).?[\w\.\/]+