Regulärer Ausdruck, um URLs zu finden, die sich nicht in einem Hyperlink befinden

Question

Es gibt viele Regex-Einträge, die einer URL entsprechen. Ich versuche jedoch URLs zu finden, die nirgends innerhalb eines <a> Hyperlink-Tags (HREF, innerer Wert usw.) angezeigt werden. So KEINE der URLs in diese sollten übereinstimmen:

 
<a href="http://www.example.com/">something</a> 
<a href="http://www.example.com/">http://www.example2.com</a> 
<a href="http://www.example.com/"><b>something</b>http://www.example.com/<span>test</span></a> 

Jede URL außerhalb von <a></a> angepasst werden sollte.

Ein Ansatz war ich versuchte, eine negative Vorschau zu verwenden, wenn der erste <a> Tag nach der URL, um zu sehen </a> eine Öffnung <a> oder eine Schließung ist. Wenn es sich um eine schließende </a> handelt, muss sich die URL in einem Hyperlink befinden. Ich denke, diese Idee war in Ordnung, aber die negative Lookahead Regex hat nicht funktioniert (oder genauer gesagt, die Regex wurde nicht richtig geschrieben). Irgendwelche Tipps werden sehr geschätzt.

Answer 1

Sie können es in zwei Schritten zu tun, anstatt mit einem einzigen regulären Ausdruck zu kommen versuchen:

1. Mischung aus (ersetzen Sie mit nichts) dem HTML-Anker-Teil (der gesamte Anker-Tag: öffnende Tag, Inhalt und schließendes Tag).

2. Spiel der URL

In Perl könnte es sein:

my $curLine = $_; #Do not change $_ if it is needed for something else. 
$curLine =~ /<a[^<]+<\/a>//g; #Remove all of HTML anchor tag, "<a", "</a>" and everything in between. 
if ($curLine =~ /http:\/\//) 
{ 
    print "Matched an URL outside a HTML anchor !: $_\n"; 
} 

Answer 2

Sie tun können, dass eine einzige reguläre Ausdrücke verwenden, die beide Anker-Tags und Hyperlinks matches:

# Note that this is a dummy, you'll need a more sophisticated URL regex 
regex = '(<a[^>]+>)|(http://.*)' 

Dann Schleife über die Ergebnisse und verarbeitet nur Übereinstimmungen, wo das zweite Untermuster gefunden wurde.

Answer 3

Peter hat eine große Antwort: Erstens, Anker zu entfernen, so dass

Some text <a href="http://page.net">TeXt</a> and some more text with link http://a.net 

von

Some text and some more text with link http://a.net 

DANN ersetzt ein regexp ausführen, die Urls findet:

http://a.net 

Answer 4

Verwenden Sie die DOM, um die Ankerelemente herauszufiltern, dann führe einen einfachen URL-Regex auf den Rest aus.