Bent merült fel ismét a probléma, hogy hogyan lehet a legegyszerűbben lecserélni egy szövegben a benne található webcímeket (URL) kattintható HTML linkekre. A megtalálásuk igazából annyira nem volt bonyolult, aki írt már pár reguláris kifejezést (regular expression), annak szerintem egy 10-15 perces ujjgyakorlat:
/(?:[a-z]+:\/\/)?(?:\S+?(?::\S+?)?@)?(?:[a-z0-9][a-z0-9-]*[a-z0-9]\.)+[a-z]{2,6}(?:(?:\/|\?).*?(?=\s|<|$))?/imx
Viszont mi van azokkal az URL-ekkel, amik elé nem lett kitéve a protokoll azonosító (pl. http://)? Erre találtam ki azt, hogy – úgysem tudjuk elkerülni azt, hogy ne csak egy preg_replace() legyen – akkor minden href-be rakjuk bele egyből a "http://"-t az elejére és majd utána cseréljük le a "http://protokoll://"-t a "protokoll://"-re.
A kész és működő kód itt látható:
preg_replace(
array(
'/
(?<=\s|[^@a-z0-9]|>|^)
# protocol (optional)
(?:[a-z]+:\/\/)?
# username:password@ (optional)
(?:\S+?:\S+?@)?
# ip address or domain name
(?:
# ip address
(?:(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)
|
# domain name
(?:
# domain name without tld
(?:[a-z0-9][a-z0-9-]*[a-z0-9]\.)+
# tld
(?:
ac|ad|ae|aero|af|ag|ai|al|am|an|ao|aq|ar|arpa|as|asia|at|au|aw|ax|az|
ba|bb|bd|be|bf|bg|bh|bi|biz|bj|bm|bn|bo|br|bs|bt|bv|bw|by|bz|
ca|cat|cc|cd|cf|cg|ch|ci|ck|cl|cm|cn|co|com|coop|cr|cu|cv|cx|cy|cz|
de|dj|dk|dm|do|dz|
ec|edu|ee|eg|er|es|et|eu|
fi|fj|fk|fm|fo|fr|
ga|gb|gd|ge|gf|gg|gh|gi|gl|gm|gn|gov|gp|gq|gr|gs|gt|gu|gw|gy|
hk|hm|hn|hr|ht|hu|
id|ie|il|im|in|info|int|io|iq|ir|is|it|
je|jm|jo|jobs|jp|
ke|kg|kh|ki|km|kn|kp|kr|kw|ky|kz|
la|lb|lc|li|lk|lr|ls|lt|lu|lv|ly|
ma|mc|md|me|mg|mh|mil|mk|ml|mm|mn|mo|mobi|mp|mq|mr|ms|mt|mu|museum|mv|mw|mx|my|mz|
na|name|nc|ne|net|nf|ng|ni|nl|no|np|nr|nu|nz|
om|org|
pa|pe|pf|pg|ph|pk|pl|pm|pn|pr|pro|ps|pt|pw|py|
qa|
re|ro|rs|ru|rw|
sa|sb|sc|sd|se|sg|sh|si|sj|sk|sl|sm|sn|so|sr|st|su|sv|sy|sz|
tc|td|tel|tf|tg|th|tj|tk|tl|tm|tn|to|tp|tr|travel|tt|tv|tw|tz|
ua|ug|uk|us|uy|uz|
va|vc|ve|vg|vi|vn|vu|
wf|ws|
ye|yt|yu|
za|zm|zw
)
)
)
# port: 1-65535 (optional)
(?::(?:[1-9]|[1-5]?\d{2,4}|6[0-4]\d{3}|65[0-4]\d{2}|655[0-5]\d|6556[0-5]))?
# path, query string, fragment (optional)
(?:
# path separator (slash) or query string separator (?)
(?:\/|\?)
# anything until a whitespace, tag opening character (<) or EOL or EOF
.*?
)?
(?=\s|<|$)
/imx',
'/http:\/\/([a-z]+:\/\/)/'
),
array(
'<a href="http://$0">$0</a>',
'$1'
),
$text
);
Amennyiben találnál olyan URL-t, amire a fenti kód nem működik, kérlek tudasd velem és tovább finomítom. URL-ek, amiket próbáltam már (HTML tag-ek között is):
- username:password@example.com/path/file.html?queryString
- http://example.com
- https://username@example.com/path?foo=bar+baz#fragment
- sub.example.com?foo=bar
Egy bibi van vele, ha beirok egy email cimet, azt is kiegesziti http:// -el es a tagbe teszi.
VálaszTörlésEzt ismered: http://internet.ls-la.net/folklore/url-regexpr.html ?
VálaszTörlésHát nem ismertem, viszont ahogy néztem – és amennyire ezt fel lehet fogni –, a https-es URL-eket nem tudja lekezelni :) Sajnálom, hogy a dokumentációs oldala nem elérhető már…
VálaszTörlésA port matchelés kimaradt belőle.
VálaszTörlésüdv Gábor
Köszönöm az észrevételt, továbbá kiegészítettem a domain helyett akár IP -re illeszkedéssel is
VálaszTörlés