识别纯文本 URL

Posted 2023-02-22

【中文标题】识别纯文本 URL

【英文标题】：Recognize URL in plain text

【发布时间】：2010-09-25 09:51:52

【问题描述】：

这应该很容易，但我不确定如何最好地进行。我有一个 WinForms 应用程序，可让用户输入长描述。有时，他们会输入 URL，RichTextBox 会识别它们并在显示时使它们可点击。

我正在将应用程序移至网络，但我不确定如何使这些相同的 URL 可点击。是否有一些半自动的方法可以将“http://www.google.com”或“www.google.com”转换为可点击的链接？我必须求助于 RegEx 匹配吗？

【参考方案1】：

这实际上是一个非常困难的问题。您可以使用正则表达式接近，但并不完美。这里有一个非常好的潜在正则表达式模式细分：http://www.regexguru.com/2008/11/detecting-urls-in-a-block-of-text/

他列出的最后一个似乎对于大多数用途来说已经足够了：

\b(?:(?:https?|ftp|file)://|www\.|ftp\.)
  (?:\([-A-Z0-9+&@#/%=~_|$?!:,.]*\)|[-A-Z0-9+&@#/%=~_|$?!:,.])*
  (?:\([-A-Z0-9+&@#/%=~_|$?!:,.]*\)|[A-Z0-9+&@#/%=~_|$])

【参考方案2】：

小心。如果您的用户生成的可点击 URL 对其他用户可见，那么您将引入跨站点脚本攻击等新问题。此外，您可能需要清理 URL。例如，URL 中可能有一个 & 符号，但您需要对其进行转义。

所以，实际上有两个步骤。 1. 找到网址。 2. 使网址可点击。

第 2 步可能更难。

另外，请注意括号之类的内容。一些用户乐于在一个句子中使用他们的 URL，然后以句点结尾。例如。我喜欢http://www.pie.com.It 很好。解决此问题的最佳方法之一就是在用户键入时生成 URL。如果出现问题，他们将能够在提交之前告知。

【讨论】：

幸运的是，这只是内部参考数据，因此攻击不是什么大问题。 URL 已经在文本中，因此不能在输入时对它们进行寻址（尽管它会是一个不错的选择）。