近期做的一个项目,需要对用户输入的HTML文本中的所有超链接替换成我们公司网站的链接,要用到正则表达式。我是做C++开发的,理所当然就选择了boost这个开源库。下面是我写的一个测试程序:
它的功能是将HTML文本中的所有超链接(如http://www.sina.com.cn,不包含后面的部分),替换成我们的网址如http://www.abc.com
#include <iostream.h>
#include "boost/regex.hpp"
int main(int argc, char* argv[])
{
const boost::regex e("(href//s*=[/"|']?)((http(s)?://)?([//w-]+//.)+[//w-]+(/)?)");
const std::string strformat("///1//http://www.abc.com");
std::string strInput("href=/"http://www.sina.com.cn/1.jsp/" href =/'http://www.xyz.com/1/2.htm/'");
std::string strOutput = boost::regex_replace(strInput, e, strformat, boost::match_default | boost::regex::perl);
cout<<strOutput.c_str()<<endl;
return 0;
}
简单解释一下里面的strFormat格式,我们对正则表达式分成两个部分,前一部分是href//s*=[/"|']?,后一部分是(http(s)?://)?([//w-]+//.)+[//w-]+(/)?,格式中的/1代表的就是前一部分的内容,即前一部分的内容不改变,/http://www.abc.com/将后一部分的内容替换成http://www.abc.com/.
程序运行结果如下:
href="http://www.abc.com/1.jsp" href ='http://www.abc.com/1/2.htm'