URL aus einem String extrahieren, mit reg. Ausdrücken?

[math66]

hi, ich möchte aus einem string eine eventuelle url extrahieren, diese dann in html tags packen und wieder in den string einfügen.

also aus sowas: hallo, besuch mal www.seite.de, die ist cool.

soll werden: hallo, besuch mal <a href=www.seite.de>www.seite.de</a>, die ist cool.


das geh doch sicher mit regulären ausdrücken?


danke

 

[byte]

das geh doch sicher mit regulären ausdrücken?

Jup.

 

[Ilja]

(http:\/\/)?(www\.)?\w((-\w)|(\.\w))?\.[a-z]{2,4}(\/.*)?

müsste so klappen ^^

 

[Bleiglanz]

originalString.replaceAll("((http://)?www\\.[^.]+\\.[a-z]{2,4})","<a href=\"$1\">$1</a> ");

 

[math66]

danke, so geht es. an rückwärtsreferenzen hab ich garnicht gedacht TOP!!

 

[math66]

hi, also es gibt doch noch ein problem. schreibe ich nämlich sowas hier:


http://www.test.de/source/index.html,

dann erkennt er nur http://www.test.de. wie müsste man den regex umbauen, damit das auch klappt?

danke

 

[Bleiglanz]

originalString.replaceAll("((http://)?www\\.[^.]+\\.[a-z]{2,4}(/[^\\s]*))","<a href=\"$1\">$1</a> ");

ungetestet

 

[math66]

hi, also so scheints zu gehen:

regex=regex.replaceAll("((http://)?www\\.[^.].+\\.[a-z]{2,4})","<a href=\"$1\">$1</a>");

also vor dem plus noch einen punkt mehr . kann das mal jemand ansehen, ob da jetzt nochimmer ein haken drni ist?

danke

 

[Ilja]

warum zum geier \\. <-??
müsste das nicht \. (escaped .) sein?

 

[The_S]

warum zum geier \\. <-??
müsste das nicht \. (escaped .) sein?

Nö, passt scho so!

 

[Ilja]

die frage "warum" beantwortet man nicht mit passt schon -.-
...dann lieber garnichts schreiben

 

[The_S]

die frage "warum" beantwortet man nicht mit passt schon -.-
...dann lieber garnichts schreiben

Hab mich mit RegEx und Patter noch net sonderlich beschäftigt, deswegen kann ich dir das Warum net beantworten. Aber wenn du nicht möchtest, dass man Teilfragen von dir beantwortet

müsste das nicht \. (escaped .) sein?

dann stell sie nicht oder mach deutlich, dass man Frage 2 nur in Kombination mit Frage 1 beantworten darf. :roll: :autsch:

 

[Guest]

die frage "warum" beantwortet man nicht mit passt schon -.-
...dann lieber garnichts schreiben

Compiliere folgenden Code, dann siehst du warum

String s = "\";

:autsch:

 

[Mag1c]

Hi Ilja,

ja, der Punkt muß "escaped" werden, da er ja in einer RegEx eine besondere Bedeutung hat (belieb. Zeichen). Escaped wird mit '\' und da Java als Sprache '\' auch als Escapezeichen verwendet, muß für einen '\' eben ein Doppel '\\' eingesetzt werden. (siehe auch Java Language Spec)

Gruß
Mag1c

 

[Ilja]

bei regex muß ein Punkt als solcher mit \ (escape) angegeben werden, da . = ANYCHAR ist!

Du schreibst ja auch nicht
String s = "\\"";

@Mag1c: wo bitteschön kommt in einer URL ein \ vor?

 

[Oni]

Invalid escape sequence (valid ones are \b \t \n \f \r \" \' \\)

das gibt es als fehlermeldung...

 

[Mag1c]

bei regex muß ein Punkt als solcher mit \ (escape) angegeben werden, da . = ANYCHAR ist!

Du schreibst ja auch nicht
String s = "\\"";

@Mag1c: wo bitteschön kommt in einer URL ein \ vor?

Aehm :bahnhof: du schreibst doch selber, daß der Punkt mit einem '\' angegeben werden muß. Und damit der '\' auch im String ankommt, muß im Code '\\' stehen. Lies die Language-Spec :### (siehe oben) und probier es aus ! :meld:

Nochwas: die Escape-Zeichen werden hier zweistufig aufgelöst. Der Compiler macht aus '\\.' -> '\.' Und zur Laufzeit wird dann in der RegEx das '\.' zu einem echten Punkt aufgelöst.

Gruß
Mag1c

 

[Ilja]

dein letzter satz hat mir die lösun g gegeben.... danke

 

[Partheeus]

Oh, na das trifft sich ja. Hab da nämlich auch mal ne Frage.....
Habe folgenden REGEX-Ausdruck:

boolean b = Pattern.matches("((http:[/][/]|http|wais|file|prospero|aim|webcal|ftp|https|" +
					"gopher|mailto|news|nntp|telnet|www.)" +
					"(([A-Za-z0-9$_.+!*(),;/?:@&~=-])|%[A-Fa-f0-9]{2})+(#([a-zA-Z0-9]" +
					"[a-zA-Z0-9$_.+!*(),;/?:@&~=%-]]*))?)",link[i]);

Und möchte nun aber z.B. auch folgende URLs durchschleifen lassen:
http://www.w3.org/TR/xmlschema-0/#po.xsd oder
http://www.etymon.com/epub.html#

Wo muß ich denn da ansetzen das er auch # hinten akzeptiert? Muß zugeben, der REGEX-Ausdruck ist eher zusammen kopiert als
selbst kreiert.

Partheeus

 

[math66]

hi, ich nochmal. also so richtig funktioniert es noch nicht. es müssen ja auch url in der art gefunden werden:


http://www.test.de/sources/downloads


also urls, die hinten keine datei wie index.html haben, sondern eben verzeichnisse. wie könnte man das denn noch einbauen, ich grüble schon seit heute morgen ,aber mit fällt nix ein :-(


ne idee?

danke!!!!!!!!!