java - 正则表达式仅匹配 URL 的一部分 - 为什么？

Question

我的正则表达式非常薄弱，我使用的正则表达式(从互联网上找到)只能部分解决我的问题。我需要使用 java 将 anchor 标记添加到文本输入的 URL。这是我的代码:

String text ="Hi please visit www.google.com";
String reg = "\\b(([\\w-]+://?|www[.])[^\\s()<>]+(?:\\([\\w\\d]+\\)|([^[:punct:]\\s]|/)))";
        String s = text.replaceAll(reg, "<a href='$1'>$1</a>");
        System.out.println(""+s);

当前的输出是Hi please visit <a href='www.google.c'>www.google.c</a>om .正则表达式有什么问题？

我需要解析文本并将从文本字段输入的 URL 显示为 jsp 页面中的热链接。预期的实际输出将是

Hi please visit <a href='www.google.com'>www.google.com</a>

编辑

跟随正则表达式

(http(s)?://)?(www(\.\w+)+[^\s.,"']*)

在以 .com 结尾的 url 中就像一个魅力但在其他扩展中失败，如 .jsp .有什么方法可以让它在各种扩展中工作吗？

Answer 1

回答您为什么正则表达式不起作用的问题:它不遵守 Java 的正则表达式语法规则。

具体来说:

[^[:punct:]\s]

没有像您期望的那样工作，因为 Java 不识别像 [:punct:] 这样的 POSIX 简写。相反，它将其视为嵌套字符类。这再次导致 ^ 在该上下文中变得非法，因此 Java 忽略它，为您留下一个与

匹配的字符类

[:punct\s]

它只匹配 com 的 c，因此在那里结束你的匹配。

关于如何在文本 block 中查找 URL 的问题，我建议您阅读 Jan Goyvaert 的优秀博客文章 Detecting URLs in a block of text .您需要自己决定要制作正则表达式的敏感程度和具体程度。

例如，帖子末尾提出的解决方案将转换为 Java 为

String resultString = subjectString.replaceAll(
    "(?imx)\\b(?:(?:https?|ftp|file)://|www\\.|ftp\\.)\n" +
    "(?:\\([-A-Z0-9+&@\\#/%=~_|$?!:,.]*\\)|\n" +
    "      [-A-Z0-9+&@\\#/%=~_|$?!:,.])*\n" +
    "(?:\\([-A-Z0-9+&@\\#/%=~_|$?!:,.]*\\)|\n" +
    "      [A-Z0-9+&@\\#/%=~_|$])", "<a href=\"$0\">$0</a>");