Форум Регулярные Выражения

Добрый день. Подскажите пожалуйста, как мне сделать, чтобы в тексте все что находится после http:// и до пробела заменялось на ссылку <a href>... и т. д. Спасибо большое.

При помощи регулярных выражений.

<? $content = "text text text http://www.site.com text text text http://site.net text text text site@site.org"; $pattern = array("#http://[-a-z0-9\.]+([-a-z0-9]+\.(html))?"."([-a-z0-9_:@&\?=+\.~*'%$]+)?#i", "/[0-9a-z_\.]+@[0-9a-z_^\.]+\.[a-z]{2,3}/i"); $replacement = array("<a href=\\0>\\0</a>", "<a href=mailto:\\0>\\0</a>"); echo preg_replace($pattern, $replacement, $content); ?>

у вас тут только поддерживаються ссылки на html страницы? А что делать если ссылка на .php или .htm или .aspx...?

>ссылки на html страницы?
похоже нет.
выбирается всё, но не слэши

> А что делать если ссылка на .php или .htm или .aspx...?
ув.Mehelson предусмотрел такой вопрос ,)
поэтому он добавил необязательный блок ([-a-z0-9]+\.(html))?
там на своё усмотрение желающие смогут добавить слэш , и .php или .htm или .aspx... )

<? $content = "text http://site.ru/test.aspx text http://site.ru/test.php?id=1&x=5 text http://www.site.com/page.php?id=12 text http://site.ru/test.html text http://site.ru/test.htm text http://site.net text text text site@site.org";  $pattern = array("#http://[-a-z0-9\./]+([-a-z0-9]+\.)?"."([-a-z0-9_:@&\?=+\.~*'%$]+)?#i", "/[0-9a-z_\.]+@[0-9a-z_^\.]+\.[a-z]{2,3}/i");  $replacement = array("<a href=\\0>\\0</a>", "<a href=mailto:\\0>\\0</a>");  echo preg_replace($pattern, $replacement, $content); ?>

вот и для страницы с .php .htm или .aspx вобщем на любые должно работать

скобки () замедляют, потомучто приходится выделять память под значения
захваченные захватывающими подмасками, и в данном конкретном случае было-бы
получше применение (?: незахватывающих ) подмасок , или совсем отказаться, где можно
Но, зато можно проследить логику поведения выражений.
И удобнее preg_match_all() , чтобы понять.

<?  header('Content-type:text/plain; charset=windows-1251');  $content = "text http://site.ru/test.aspx text  http://site.ru/test.php?id=1&x=5 text   http://www.site.com/page.php?id=12 text   http://www.site.com/page.php?id=12&amp;x=1 text   http://site.ru/test.html  text http://site.ru/test.htm text  http://site.net text text  text site@site.org  site@site.info  "; $p1 = "#http://[-a-z0-9\./]+([-a-z0-9]+\.)?"     . "([-a-z0-9_:@&\?=+\.~*'%$]+)?#i"; $p2 = "/[0-9a-z_\.]+@[0-9a-z_^\.]+\.[a-z]{2,3}/i"; preg_match_all($p1, $content, $o, 2);  print_r($o); preg_match_all($p2, $content, $o, 2);  print_r($o); ?>

[-a-z0-9\./]+([-a-z0-9]+\.)?
Здесь неодного совпадения с ([-a-z0-9]+\.)? $1 всегда остаётся пустой
потомучто [-a-z0-9\./] с жадным квантификатором +
(по умолчанию все квантификаторы("операторы" повторения) жадные)
тк вот, [...]+ совпало со всем чем только могло и даже если сделать.php.?
, всёравно перед вопросом небудет захвачено (p.)

и так, по мелочи, есть к чему зацепиться
[0-9a-z_^\.] символ ^ ненужен точка всёравно входит
и по поводу таких какими могут и не могут быть адреса
можно разговаривать долго и безрезультатно :)

по теме
от http:// до " " - пробела, только ссылки:

<? $content = "  text http://site.ru/test.aspx text   http://site.ru/test.php?id=1&x=5 text    http://www.site.com/page.php?id=12 text    http://www.site.com/page.php?id=12&amp;x=1 text    http://site.ru/test.html   text http://site.ru/test.htm text   http://site.net text text   text site@site.org   site@site.info  "; echo preg_replace('|http://[^ ]+|si', '<a href="\\0">\\0</a>', $content); ?>

по теме да
, Но

<?  $content = 'text http://site.ru/test.aspx text text http://site.ru/"onmouseover="document.location.href=\'http://localhost\'"style="display:block; text  '; echo preg_replace('|http://\S+|', '<a href="\\0">\\0</a>', $content); ?>

ого)
а так?

<? echo preg_replace('|http://[^ "\']+|si', '<a href="\\0">\\0</a>', $content); ?>

так уже лучше ,)
да и так я, почти пошутил :)
это как
($content = 'text http://<!-- text
text BIGTEXT http://,-->site.ru/; text ';)

но '&' (амперсанд) преобразуется в '&amp;'
'"' (двойная кавычка) преобразуется в '&quot;' если ENT_NOQUOTES не установлен.
''' (одиночная кавычка) преобразуется в '&#039;' только в режиме ENT_QUOTES.
'<' (знак "меньше чем") преобразуется в '&lt;'
'>' (знак "больше чем") преобразуется в '&gt;'

и ENT_NOQUOTES не установлен обычно по умолчанию
, так что htmlspecialchars() поможет ;)


, но всё что угодно интерпритируется как ссылка
, а может в тексте будет перечисление http://,https://,ftp://,ftps://,udp://...:)
впрочем, если проверять ссылки на валидность, то это наверное будет длинное выражение ,
и всёравно они смогут оказаться недействующими

ну) тогда что-то в этом роде

<? $content = "   text http://site.ru/test.aspx text    http://site.ru/test.php?id=1&x=5 text     http://www.site.com/page.php?id=12 text     http://www.site.com/page.php?id=12&x=1 text     http://site.ru/test.html    text http://site.ru/test.htm text   https://site.net text text    text site@site.org    site@site.info   ";  $content = htmlspecialchars($content); echo preg_replace('#(http|https|ftp|ftps|udp)://[^ ]+#si', '<a href="\\0">\\0</a>', $content); // или даже echo preg_replace('|[a-z]{3,5}://[^ ]+|si', '<a href="\\0">\\0</a>', $content); ?>

ну если тоже не по теме ,)
то я примерно о таких возможных перечислениях говорил

<?  header('Content-type:text/plain; charset=windows-1251');  $content = "    text http://site.ru/test.aspx text     http://site.ru/test.php?id=1&x=5 text  перечисление http://,https://,ftp://,ftps://,udp://...:)    https://site.net text text  http://127.0.0.1/test.php?id=1&x=5 text  "; $content = htmlspecialchars($content);  $p = '#\b(ftps?|https?)://\S+#'; preg_match_all($p, $content, $o, 2);   print_r($o); ?>

просто если надо будет исключить такие совпадения
, тогда даже

$p = '#\b(?:https?|ftps?)://\b(?:[-0-9a-z]+\.)+(?:[a-z]{2,4}|\d{1,3})\b\S*#';

не чётко определяет адресс после http:// или не адресс
,хоть и всётаки койчего уже отсеит,
, но и hellofworld.666 и 1.2.3.4.5.678 тоже не адрес, и есть домены где зона длиннее чем .info .azia ...
,но переделывать выражения при каждом добавлении новых доменных зон, нереально
и тут не учитывается, что может быть указан номер порта после двоеточия(, но проходит)
или логин пользователя и пароль с символами : и @ (не проходит)
есть домены русскими буквами

анализировать текст за каждим имеющимся в тексте https? тоже накладно
, поэтому тоже думаю что \b(?:https?|ftps?)://\S+, как более жадный вариант ,)

>перечисление http://, https://, ftp://, ftps://, udp://

=) может проверить длину?

|[a-z]{3,5}://[^ ]{2,}+|si

Максимальная длина доменного имени (между разделительными точками) согласно RFC 1035 составляет 63 символа. Общая же длина имени (включая имена субдоменов, разделительные точки и имя зоны) ограничена 255 знаками.

Многие доменные зоны согласно RFC 1535 накладывают также ограничения на минимальную длину доменного имени - 3 символа ( для некоторых зон 2 символа).

Информация взята с http://help.hc.ru/print/714/

если речь о доменных именах
, про полностью длинну запрашиваемого uri (REQUEST_URI) нашёл только

то что не все старые клиенты поддерживают длинну более 255 байт
Note: Servers ought to be cautious about depending on URI lengths
above 255 bytes, because some older client or proxy
implementations might not properly support these lengths.

и что сервер должен послать код 414 если слишком длинный uri
414 Request-URI Too Long
The server is refusing to service the request because the Request-URI
is longer than the server is willing to interpret. This rare
condition is only likely to occur when a client has improperly
converted a POST request to a GET request with long query
information, when the client has descended into a URI "black hole" of
redirection (e.g., a redirected URI prefix that points to a suffix of
itself), or when the server is under attack by a client attempting to
exploit security holes present in some servers using fixed-length
buffers for reading or manipulating the Request-URI.


По форумам находил что-то

Jooz
Ограничения есть, 2000 - 4000 символов не более в зависимости от браузера и ОС. А в прокси серверах типа squid там это еще круче вышито где-то 250 символов.

Добавлено через 34 секунды
Цитата:Сообщение от sergbond
Из-за чего произошла ошибка - я понимаю. Не понимаю, как можно было так написать, что такая ошибка стала возможна.

А вы в гугл введите в строку поиска более 2000 символов, тоже самое получите.