Aide Hacking libéral URL Regex Gruber

Question

J'ai pris la libéral URL Daring Fireball Regex de , il a fusionné avec certaines des améliorations Alan tempête et piraté mon chemin dans la fixation de quelques bugs comme le support des caractères entre parenthèses IDN à l'intérieur. Voilà ce que j'ai:

/(?:[\w-]+:\/\/?|www[.])[^\s()<>]+(?:(?:\([^\s()<>]*\)[^\s()<>]*)+|[^[:punct:]\s]|\/)/

Cependant, j'ai rencontré un bug que je ne suis pas en mesure de résoudre:

'www.dsd(sd)sdsd.com' // can also be the valid 'www.dsd.com/whatever(whatever)'

L'URL ci-dessus est reconnu comme www.dsd(sd)sdsd.com' (ou www.dsd.com/whatever(whatever)') au lieu de www.dsd(sd)sdsd.com (ou www.dsd.com/whatever(whatever)). Cela ne semble se produire lorsque l'URL est entre parenthèses, depuis l'adresse suivante:

'www.sampleurl.com'

est-il correctement être reconnu comme www.sampleurl.com.

Je pense que la partie [^[:punct:]\s]|\/ du regex n'est pas en cours d'exécution lorsque l'URL est entre parenthèses , j'ai essayé pendant un certain temps, mais je ne peux pas sembler trouver une solution. Quelqu'un peut-il me aider?

Pour marchandise, je l'ai mis en place un Rubular permalien avec le regex et certaines données de test (la dernière URL échoue).

---

Je pense que le regex de Gruber était un peu bousculé, par exemple, il ne correspond pas à l'URL comme ceux:

http://en.wikipedia.org/wiki/Something_(Special)_For_You

Je suis encore plus impressionné en voyant que les deux Gruber et Alan a manqué cette faute de frappe très simple:

\([\w\d]+\)

Ne serait pas \(\w+\) suffisant? : S

Answer 1

On dirait que Gruber a révisé son expression régulière :

\b((?:[a-z][\w-]+:(?:\/{1,3}|[a-z0-9%])|www\d{0,3}[.])(?:[^\s()<>]+|\([^\s()<>]+\))+(?:\([^\s()<>]+\)|[^`!()\[\]{};:'".,<>?«»“”‘’\s]))

fonctionne très bien maintenant .

Answer 2

www.dsd (sd) sdsd.com est pas un nom de domaine valide.

Si vous aviez 'www.dsd.com/whatever(whatever)', il serait reconnu correctement. (Ou au moins est dans mes tests)

Answer 3

 /(?:[\w-]+:\/\/?|www[.])[^\s()<>]+(?:(?:\([^\s()<>]*\)[^\s()<>]*)+|[^[:punct:]\s]|\/)/
  www.                   |               |            |
                          dsd            |            |
                                          (sd)        |
                                                       sdsd.com'

Voilà comment je pense que cela tombe en panne ... le bit de regex ci-dessus (sd) commence par une échappées paren ouvert, puis un sd correspondant de classe char regardé fixement, puis un paren de clôture évadés, et la prochaine chose est [^\s()<>]* qui correspond sdsd.com' .