豆瓣个人简介中的网址提取是用的什么正则？感觉挺强大的。

[paloalto]

http://xxx.xxxx.com
xxx.xxxx.com
xxxx.com
xxxx.me
xxxx.it

试了下，基本上都能匹配到了。


一对比，我现在用的这个简直弱爆了：

def replace_links(s):
return re.sub('(http://[^\s]+)', r'<a rel="nofollow noopener" href="\1">' + r'\1' + '</a>', s, re.M)


求指点，求提高。

[rankjie]

不要用正则去解析html
http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags

[Mutoo]

@rankjie 解析url和解析html根本是两回事嘛

lz可以参考一些现成的regex
http://regexlib.com/DisplayPatterns.aspx?cattabindex=1&categoryId=2&AspxAutoDetectCookieSupport=1

或者根据w3c对uri的定义自己构造（参考第50页）
http://www.ietf.org/rfc/rfc3986.txt

[rankjie]

@Mutoo 我看楼主的匹配里面有个</a>，看起来似乎就是在解析html，我不会正则啊=_=说错了还请指正

[CoX]

lz可以试试tornado.escape.linkify
它的正则写的复杂点： _URL_RE = re.compile(ur"""\b((?:([\w-]+):(/{1,3})|www[.])(?:(?:(?:[^\s&()]|&amp;|&quot;)*(?:[^!"#$%&'()*+,.:;<=>?@\[\]^`{|}~\s]))|(?:\((?:[^\s&()]|&amp;|&quot;)*\)))+)""")