如何用html doc中的超链接替换纯url
Posted
技术标签:
【中文标题】如何用html doc中的超链接替换纯url【英文标题】:how to replace plain url with hyperlinks in html doc 【发布时间】:2014-02-21 06:11:24 【问题描述】:我正在尝试将普通链接替换为 html 文档中的超链接。 我的逻辑是
private static final Pattern WEB_URL_PROTOCOL = Pattern.compile("(?i)http|https://");
StringBuffer sb = new StringBuffer();
if (text != null)
// Escape any inadvertent HTML in the text message
text = EmailHtmlUtil.escapeCharacterToDisplay(text);
// Find any embedded URL's and linkify
Matcher m = Patterns.WEB_URL.matcher(text);
while (m.find())
int start = m.start();
if (start == 0 || text.charAt(start - 1) != '@')
String url = m.group();
Matcher proto = WEB_URL_PROTOCOL.matcher(url);
String link;
if (proto.find())
lower case protocol link.
link = proto.group().toLowerCase() + url.substring(proto.end());
else
link = "http://" + url;
String href = String.format("<a href=\"%s\">%s</a>", link, url);
m.appendReplacement(sb, href);
else
m.appendReplacement(sb, "$0");
m.appendTail(sb);
此代码已成功找出 html 文档中的所有链接。但问题是它也找到了超链接。所以我想排除超链接并只想找到普通链接 例如它应该排除
<p class="MsoNormal"><a href="awbs://www.google.com" target="_BLANK">https://www.google.com</a> normal address https</p>
但普通链接https://www.google.com
应替换为超链接
编辑 如果文档包含这样的文本 - 1.https://www.yahoo.com
2.https://www.google.com普通地址https所以在这里我想用
替换https://www.yahoo.com
<p class="MsoNormal"><a href = "https://www.yahoo.com>https://www.yahoo.com</a></p>
而且它根本不应该影响 2 。
【问题讨论】:
【参考方案1】:我建议你在这里使用Jsoup。
示例代码
String text = "<html><head></head><body><a href='http://google.com'>Don't change this link</a> Change this: http://yahoo.com foo.com</body></html>";
Document d = Jsoup.parse(text);
String newHtmlCode = "";
String oldHtmlCode = d.outerHtml();
List<TextNode> textNodes = d.body().textNodes();
Matcher m = Patterns.WEB_URL.matcher("");
for (TextNode textNode : textNodes)
m.reset(textNode.text());
String fragment = "";
while (m.find())
fragment = m.replaceAll("<a href=\"\\*\\*\\*$1\">$1</a>");
textNode.replaceWith(new Element(Tag.valueOf("span"),"").html(fragment));
newHtmlCode = d.outerHtml().replaceAll("\"\\Q***\\E(?!https?://)", "\"http://").replaceAll("\"\\Q***\\E(https?://)", "\"$1");
System.out.println("BEFORE:\n\n" + oldHtmlCode);
System.out.println("----------------------------");
System.out.println("AFTER:\n\n" + newHtmlCode);
输出
BEFORE:
<html>
<head></head>
<body>
<a href="http://google.com">Don't change this link</a> Change this: http://yahoo.com foo.com
</body>
</html>
----------------------------
AFTER:
<html>
<head></head>
<body>
<a href="http://google.com">Don't change this link</a>
<span> Change this: <a href="http://yahoo.com">http://yahoo.com</a> <a href="http://foo.com">foo.com</a></span>
</body>
</html>
【讨论】:
是否可以不使用解析器。我正在寻找正则表达式。 @Subham 检查我的答案 我使用正则表达式来查找纯链接。 Jsoup 相当快。 @Subham 检查我的新答案。以上是关于如何用html doc中的超链接替换纯url的主要内容,如果未能解决你的问题,请参考以下文章