Perl regex-Ersetzung für eine URL

Ich bin versucht, einen komplexen regulären Ausdruck für URLs im Fließtext. Das Ziel ist, trennen Sie die URLs in den text.

Ich würde gerne etwas tun, wie die unten

perl -pe 's/regex/left $1 right/g;' inputfile

welche ersetzt alle vorkommen des regex mit dem übereinstimmenden Wert, umgeben von den Worten left und right Dies ist nur ein Vereinfachtes Beispiel um den Punkt zu illustrieren - das Reale Szenario hat jede Menge -e Ausdrücken und ich freue mich auf weitere hinzufügen, die für diesen speziellen passenden Zweck.

Regex ist whever entspricht einer URL. Ich begreife das passende URLs ist sehr schwierig und wahrscheinlich unmöglich zu ermitteln, alle Möglichkeiten, aber eine vernünftige Annäherung wäre in Ordnung. Ich fand eine solche Annäherung an http://daringfireball.net/2010/07/improved_regex_for_matching_urls.

Doch ich kann nicht, dass regex zu arbeiten, in ein perl-Konstrukt, wie oben beschrieben. Ich habe versucht, mit verschiedenen Trennzeichen als / zum Beispiel ~ aber ohne Erfolg.

möglich, Duplikat der Was ist die beste regular expression um zu überprüfen, ob ein string eine gültige URL?
Es gibt viele ähnliche Fragen, aber ich glaube nicht, es war Sie zu duplizieren, denn ich wurde gefragt, wie die Verwendung einer spezifischen komplexen regex (das sagt der Autor arbeitet in Perl) in einer bestimmten Weise auf ein Perl-Befehl-Linie (nämlich als -e Ausdruck). Ich habe die beste Antwort, die ich mit oben kommen kann, aber würde niemanden interessieren, demonstriert die Verwendung von Schwergewichts-regex als perl -pe Ausdruck.

InformationsquelleAutor starfry | 2013-03-05

6

Anhang B RFC 2396 gibt ein regex zum Parsen von URIs.
B. der Analyse einer URI-Referenz mit einem Regulären Ausdruck

Wie in Abschnitt 4.3, die generische URI-syntax ist nicht ausreichend, um keine Verwechslungen der Komponenten, bestimmte Formen von URI. Da die "greedy-Algorithmus" beschrieben, in diesem Abschnitt ist identisch mit der disambiguierung Methode verwendet durch POSIX reguläre Ausdrücke, ist es natürlich und alltäglich einen regulären Ausdruck zu verwenden für die Analyse der möglichen vier Komponenten und fragment-identifier eine URI-Referenz.

Die folgende Zeile ist der reguläre Ausdruck für das brechen-down eine URI-Referenz in seine Komponenten.
```
^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?
 12            3  4          5       6  7        8 9
```
Die zahlen in der zweiten Zeile oberhalb sind nur zur Unterstützung der Lesbarkeit; Sie bezeichnen die Referenz-Punkte für jeden Teilausdruck (d.h., jedes gekoppelte Klammer). Wir finden den Wert im entsprechenden Teilausdruck n als $<n>. Zum Beispiel, passend zu den obigen Ausdruck zu
```
http://www.ics.uci.edu/pub/ietf/uri/#Related
```
Ergebnisse in den folgenden Teilausdruck entspricht:
```
$1 = http:
$2 = http
$3 = //www.ics.uci.edu
$4 = www.ics.uci.edu
$5 = /pub/ietf/uri/
$6 = <undefined>
$7 = <undefined>
$8 = #Related
$9 = Related
```
wo <undefined> zeigt an, dass die Komponente nicht vorhanden ist, wie ist der Fall für die query-Komponente, die in dem oben genannten Beispiel. Deshalb können wir bestimmen den Wert der vier Komponenten und das fragment als
```
scheme    = $2
authority = $4
path      = $5
query     = $7
fragment  = $9
```
und gehen in die entgegengesetzte Richtung, können wir neu eine URI-Referenz aus seiner Komponenten mithilfe des Algorithmus in Schritt 7 des Abschnitts 5.2.
Die regex direkt verwendbar ist, in Perl, wie in
```
if ($uri =~ m!^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?!) {
    my($host,$path) = ($4,$5);
    print "$host => $path\n";
}
```
Gier in regex Quantoren wird wahrscheinlich machen Sie dieses Muster schwierig zu verwenden mit s/// weil es verbraucht so viel text wie möglich, wahrscheinlich überrollen unmarkierten URI Grenzen.

Mehr direkt anwendbar ist die URI::Find - Modul, welches es auf CPAN. Umschreibt LINKS und RECHTS ist so einfach wie
```
#! /usr/bin/env perl

use strict;
use warnings;

use URI::Find;

my $finder = URI::Find->new(sub {
    my(undef,$found) = @_;
    "LEFT $found RIGHT";
});

while (<>) {
    $finder->find(\$_);
    print;
}
```
Ausgabe:
```
$ cat Eingabe 
Dies ist eine nur-text-input-geeignet für 
eine Antwort auf eine Frage auf http://stackoverflow.com 

Insbesondere, die Frage ist erhältlich bei 
http://stackoverflow.com/q/15233535/123109 und die Antwort 
bei http://stackoverflow.com/a/15234378/123109 

$ ./mark-uris input 
Dies ist eine nur-text-input-geeignet für 
eine Antwort auf eine Frage auf der LINKEN Seite http://stackoverflow.com RECHTS 

Insbesondere, die Frage ist erhältlich bei 
LINKS http://stackoverflow.com/q/15233535/123109 die RECHTE und die Antwort 
auf der LINKEN Seite http://stackoverflow.com/a/15234378/123109 RECHT
```
- Nicht berücksichtigt die Benutzername/Kennwort; z.B. ftp://username@hostname/ oder ftp://username:password@hostname/
InformationsquelleAutor Greg Bacon
2

Fand ich eine Antwort auf diese Frage durch eine andere Frage Mit regex zu extrahieren, URLs in reinen text mit Perl. Die URL ist viel einfacher als die, die ich versuchte vor, aber scheint zu funktionieren in den einfachen Fällen, die ich getestet habe.
```
perl -i -pe 's,(http.*?://([^\s)\"](?!ttp:))+),left $& right,g;' myfile
```
InformationsquelleAutor starfry

Regex für entsprechende URL kann leicht unüberschaubar geworden:

my @urls;
while ($body =~ m{
    (
        (ftp|https?):\/\/
        ([a-z0-9\-_]+(:[^@]+)?\@)?
        (
            ([a-z0-9\.\-]+)\.([a-z\.]{2,6})
            |
            ([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3})
        )
        (:[0-9]{2,5})?
        (
            [a-z0-9\.\-_/\+\%&;\:,\=\!@\(\)\[\]~\'\"]*
            [a-z0-9\.\-_/\+\%&;\:,\=\!@\(\)\[\]~]+
        )
        (\?[a-z0-9\.\-_/\+\%&;\:,\=\!@\(\)\[\]~]*)?
        (\#[a-z0-9\.\-_/\+\%&;\:,\=\!@\(\)\[\]~]*)?
    )
}gisx) {
    push @urls => $1;
}

Geben Sie Regexp::Common:

use Regexp::Common qw(URI);
my @urls;

while ($body =~ m{($RE{URI}{HTTP})}gos) {
    push @urls => $1;
}

So, zur Lösung Ihres konkreten Fall:

perl -MRegexp::Common=URI -pe 's/($RE{URI}{HTTP})/left $1 right/gos' inputfile

InformationsquelleAutor creaktive

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.

B. der Analyse einer URI-Referenz mit einem Regulären Ausdruck