使用 Regex 解析 URL，忽略 Markdown 中的代码块和代码片段

Question

我目前在我的 C#/.NET Core 应用程序中使用这个正则表达式来解析 HTTP、HTTPS 和 FTP 来自降价文件的 url：

static readonly Regex _urlRegex = new Regex(@"(((http|ftp|https):\/\/)+[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&amp;:\/~\+#]*[\w\-\@?^=%&amp;\/~\+#])?)");

void UpdateGitHubReadme(string gitHubRepositoryName, string gitHubReadmeText)
{
    var updatedMarkdown = _urlRegex.Replace(gitHubReadmeText, x => HandleRegex(x.Groups[0].Value, gitHubRepositoryName.Replace(".", "").Replace("-", "").ToLower(), "github", gitHubUser.Alias));

    //handle updated markdown
}

static string HandleRegex(in string url, in string repositoryName, in string channel, in string alias)
{
    //handle url
}

我希望更新此正则表达式以忽略降价代码块和降价代码片段中的 URLs。

示例 1

应忽略以下 URL，因为它在代码块内：

```
{ "name": "布兰登", “博客”：“https://codetraveler.io” }

```

示例 2

应忽略以下 URL，因为它在代码段内：

`curl -I https://www.keycdn.com`

Answer 1

您可以利用已有匹配求值器的现有代码作为 Regex.Replace 中的替换参数。

您需要向当前正则表达式添加一个替代项（使用 | 替代运算符）以匹配您要忽略匹配项的上下文，然后检查哪个组匹配。

您应该添加的备选方案是 (?<!`)(`(?:`{2})?)(?:(?!).)*?，它匹配

(?<!`) - 不允许立即向左反引号
(`(?:`{2})?) - 第 1 组：一个反引号，然后是一个可选的双反引号序列
(?:(?!).)*? - 除换行符以外的任何字符，零次或多次出现但尽可能少，不会启动与第 1 组
</code> - 在组 1</li> 中捕获的相同字符序列 </ul> <p>查看示例代码：</p> <pre><code>static readonly Regex _urlRegex = new Regex(@"(?<!`)(`(?:`{2})?)(?:(?!).)*?|((?:ht|f)tps?://[\w-]+(?>\.[\w-]+)+(?:[\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?)", RegexOptions.Singleline); void UpdateGitHubReadme(string gitHubRepositoryName, string gitHubReadmeText) { var updatedMarkdown = _urlRegex.Replace(gitHubReadmeText, x => x.Groups[2].Success ? HandleRegex(x.Groups[0].Value, gitHubRepositoryName.Replace(".", "").Replace("-", "").ToLower(), "github", gitHubUser.Alias) : x.Value); //handle updated markdown }
我稍微修改了 URL 模式，使其更简洁、更高效。

使用 Regex 解析 URL，忽略 Markdown 中的代码块和代码片段

Parse URLs using Regex, Ignoring Code Blocks and Code Snippets in Markdown

c#

regex

markdown

示例 1

示例 2