如何用正则表达式找到所有Markdown链接？

9 投票

1 回答

4886 浏览

提问于 2025-04-18 15:51

在Markdown中，有两种方式可以插入链接，一种是直接输入链接，比如：http://example.com，另一种是使用()[]的语法：(Stack Overflow)[http://example.com]。

我正在尝试写一个正则表达式，能够匹配这两种情况，并且如果是第二种情况，还能提取出显示的文本。

到目前为止，我有这个：

(?P<href>http://(?:www\.)?\S+.com)|(?<=\((.*)\)\[)((?P=href))(?=\])

正则表达式可视化

Debuggex演示

但是这似乎没有匹配我在Debuggex中测试的两个案例：

http://example.com
(Example)[http://example.com]

我真的不明白为什么至少第一个没有匹配，是不是和我使用的命名组有关？如果可以的话，我希望继续使用，因为这是一个简化的表达式，用来匹配链接，而在实际例子中，这个表达式太长了，我不太想在同一个模式中重复两次。

我哪里做错了？还是说这根本就做不到？

编辑：我是在Python中做这个，所以会使用他们的正则表达式引擎。

1 个回答

你遇到的问题在于这个部分：(?<=\((.*)\)\[)，因为Python的re模块不支持可变长度的回顾。

你可以用一种更方便的方法来实现你的需求，使用Python的新regex模块 (因为re模块的功能比较少)。

举个例子：(?|(?<txt>(?<url>(?:ht|f)tps?://\S+(?<=\P{P})))|\(([^)]+)\)\[(\g<url>)\])

这是一个在线演示

模式细节：

(?|                                       # open a branch reset group
    # first case there is only the url
    (?<txt>                               # in this case, the text and the url  
        (?<url>                           # are the same
            (?:ht|f)tps?://\S+(?<=\P{P})
        )
    )
  |                                       # OR
    # the (text)[url] format
    \( ([^)]+) \)                         # this group will be named "txt" too 
    \[ (\g<url>) \]                       # this one "url"
)

这个模式使用了分支重置功能(?|...|...|...)，可以在选择中保留捕获组的名称（或编号）。在这个模式中，由于?<txt>组在选择的第一个部分被打开，所以第二部分的第一个组会自动使用相同的名称。?<url>组也是如此。

\g<url>是对命名子模式?<url>的引用（就像一个别名，这样在第二部分就不需要重复写了）。

(?<=\P{P})用来检查url的最后一个字符是否不是标点符号（这对于避免闭合方括号很有用）。(我不太确定这个语法，可能是\P{Punct})

回答于 2025-04-18 由 Python大师

分享举报

如何用正则表达式找到所有Markdown链接？

相关问题：

1 个回答

撰写回答