Jak rozpoznat odkaz na webovou stránku v textu?

12.12.2007 20:01 | coding | poslední úprava: 13.12.2007 08:29

$anyText = "A odkaz je http://prdel.cz ale take treba ve zkracenem formatu www.prdel.cz. Co s tim?";

$text = preg_match_all('@((https?://|www)([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?)@', $anyText, $out);

$urls = array_shift($out);

var_dump($urls);

Výsledek:

array(2) {
  [0]=>
  string(12) "http://prdel.cz"
  [1]=>
  string(22) "www.prdel.cz"
}

       

Komentáře

[=^..^= AmigaPower®]

...moc hezký formátování

[svatekr]

Funguje do okamžiku, než je odkaz http://mail.centrum.cz uveden ve zkráceném formátu mail.centrum.cz. Ale jinak moc pěkná ukázka regulars.

[Costra]

Jiste, ale ceho se v tu chvili chytnout, potrebujes neco typickeho pro url. Myslim, ze dve tecky jsou malo na to, abych z toho usuzoval, ze jde o url... jako kazde automaticke reseni, i toto ma sve meze.

[Zdenek.Z]

Nenapadá mě moc věcí, které by měly mít dvě tečky v sobě a nebýt URL. (Pomíjím lidi, co neví, že se za tečkou píše mezera.) Snad jen nějaký název balíky/třídy v Javě nebo volání nějaké metody v některých jazycích. To by se dalo vyřešit tím, že by se kontrolovalo, jestli za poslední tečkou je nějaká TLD.

Ale jak už tu padlo, radši využít hotovou knihovnu.

[shshsh]

Jak ma URL vypadat je dano RFC a dalsimi dokumenty. Nejaky "mail.centrum.cz" neni URL ale jen nejaky retezec znaku, nic vic, nic min. Nekde dole jsem dal link na program, v nemz lze vetsinu regularnich vyrazu pro ruzna URL spatrit a pouzit je snadno i jinde, popr. upravit na jiny nez Perlovsky regularni vyraz (napr. POSIXovy). Je samozrejme chybou [X]HTML a spol., ze umoznuji vlozit do hyperlinku jako odkaz i neco, co odkazem neni, ale s tim se holt musime naucit zit (uznavam, ze to je nekdy velice tezke).

[happy barney]

URI::Find

[shshsh]

Tady mate program a vysvetleni k nemu. Nic lepsiho jsem nikdy nenasel.

[shshsh]

A tohle je vysledny regex.

[Zdenek.Z]

Tomu říkám pořádný regexp!