aar
Gold Member | Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
DimoN
Более корректное регулярное выражение для выделения в тексте поста HTTP адресов.
Запускать так: perl.exe to_url.pl sample_urls
Скрипт to_url.pl
# Выделение HTTP адреса из текста поста
# ActiveState ActivePerl v5.6.1 build 633
# Исправленный пример из книги Дж. Фридла "Регулярные выражения". 2-е издание. Издательство "Питер", 2003, стр. 95.
# aar special for forum.ru-board.com
# Run: perl.exe to_url.pl sample_urls
undef $/; # Читаем все подряд, невзирая на разделители строк
unless(open F, "< $ARGV[0]") {die "Can't open file. Exit. Have a nice day!\n\n";};
$post = <F>;
close F;
# Регэксп для выделения имени _только_ хоста, без остальных частей
$HostnameRegex = qr/[-a-z0-9]+(?:\.[-a-z0-9]+)*\.(?:com|edu|gov|int|mil|net|org|biz|info|name|museum|coop|aero|[a-z][a-z])/;
$post =~ s{
\b( # Строка с адресом должна находиться на границе \w и \W
http[s]?://$HostnameRegex
(?:\:\d{1,4})? # Порт
(?: # Распознаем остаток адреса после имени хоста
/[-a-z0-9:@/&?=+,.!~*'^#$%]* # Отсутствуют символы [ ]. Здесь должен находиться набор тех символов, из которых состоит название пути после имени хоста.
(?<![.,!?]) # Негативная ретроспективная проверка. В конце адреса не должно быть точки, запятой, восклицательного знака и знака вопроса, который считаются концом фразы, а не адреса.
)? # ост.адр.
) # осн.сохран.
}{<a href="$1" target=\"_blank\">$1</a>}gisx;
print $post;
# В sub ikoncode{} файла ikon.lib делается так:
# $post =~ s/\\http:\/\/(\S+)/<a href=\"http:\/\/$1\"\ target=\"_blank\">http:\/\/$1<\/a>/isg;
Файл с адресами для проверки работы скрипта sample_urls
_https://www.ibm.ee:8080/../123[/s];
http://i.ru-board.com/avatars/private/aar.gif;
[s]_https://www.ibm.ee:8080/../123[/s];
[s]https://www.ibm.ee:8080/../123[/s];
Неплохо было бы проверять корректность вложенности парных тегов, как например, [s] [/s], [b] [/b], и т. д. Тогда при переводе в HTML не возникнет незакрытых тэгов и браузер всё благополучно проглотит. Это можно сделать следующим образом. Сначала считывать только лишь открывающие тэги и заносить их типы в стек. Затем читать закрывающие тэги, и если из стека нельзя выпихнуть соответствующий открывающий тэг, то предпринимать какие-либо действия. Это позволит также избавиться от пустых тэгов, между которыми ничего нет ([q][/q]).
|
