正規表現でURLをリンクに変換する

(1/1)
掲示板やブログで、"http://~" ではじまる文字列を自動的にハイパーリンクに変換してくれるところが多い。これを PHP で実装しようとする際、正規表現が威力を発揮する。

(2021 年 7 月 25 日)PHP8 対応,リファラ・チェックとコピーボタン追加

目次

サンプル・プログラムの実行例

正規表現でURLをリンクに変換する

サンプル・プログラム

圧縮ファイルの内容
url2link.phpサンプル・プログラム本体

URLで使える文字

URL を正規表現で表す前に、URL で使えるすべての文字の種類を把握しておく必要がある。
URL の書き方は、RFC 1738 Uniform Resource Locators (URL)和訳】に定義されている。これによると、
"http(s)://" 以降に記述できる文字は、英数字(大文字・小文字)と記号類(- _ . ! ~ * ' ( ) ; / ? : @ & = + $ , % #)であることがわかる。

これを正規表現で表すと、
/https?\:\/\/[\-_\.\!\~\*\'\(\)a-zA-Z0-9\;\/\?\:\@\&\=\+\$\,\%\#]+/i
となる。順に説明していこう。

今回使った正規表現

?
直前1文字の0または1回の繰り返し。
ここでは、httpとhttps の両方にマッチする。
[...]
文字クラス。 この中に記述された文字の並びのうちの1文字を表す。
-
文字の範囲指定。
a-z はアルファベット小文字すべてに、A-Zはアルファベット大文字すべてに、0-9は数字すべてにマッチする。
+
直線1文字の1回以上の繰り返し。 ここでは、文字クラス[...]に記述された文字、いずれかの1回以上の繰り返し――すなわち、URL 文字列にマッチすることになる。
(...)
サブパターン。 マッチングだけであれば不要だが、置換を行うために、マッチした部分文字列に番号を付けてやる必要がある。その場合にサブパターンを用いる。

解説:正規表現パターンなど

0011: define('INTERNAL_ENCODING', 'UTF-8');
0012: mb_internal_encoding(INTERNAL_ENCODING);
0013: mb_regex_encoding(INTERNAL_ENCODING);
0014: define('MYSELF', basename($_SERVER['SCRIPT_NAME']));

関数  mb_internal_encoding  により、内部処理は UTF-8 を指定する。
念のため、関数  mb_regex_encoding  により、正規表現処理も UTF-8 を指定しておく。
また、このプログラムは、入力部と出力部を同じファイルで処理するため、form タグの飛び先を自分自身 MYSELF にする。

0039: //検出パターン
0040: define('PATTERN', '/(https?\:\/\/[\-_\.\!\~\*\'\(\)a-zA-Z0-9\;\/\?\:\@\&\=\+\$\,\%\#]+)/i');
0041: 
0042: //置換パターン
0043: define('REPLACE', '<a href="\1">\1</a>');

検索パターンを定数 PATTERN に、置換パターンを定数 REPLACE に、それぞれ設定しておく。
preg 系正規表現関数(PCRE)では、マッチしたサブパターンには、順番に ¥1, ¥2, ¥3‥‥という符号が付けられ、置換パターンで置き換えを行うことができる。

解説:URLの置換

0207: $sour = getParam('sour', TRUEDEF_SOUR);
0208: $sour = htmlspecialchars($sour);     //XSS対策
0209: 
0210: //リセット
0211: if (isset($_POST['reset'])) {
0212:     $sour = DEF_SOUR;
0213: }
0214: 
0215: //正規表現による置換
0216: $dest = preg_replace(PATTERNREPLACE$sour);

実際に置換を行うのは、関数  preg_replace  である。

また、リセットボタンを押すことで、すべてのエリアをクリアするようにしてある。HTML のリセットボタンではすべてクリアできないので、reset が POST 渡しされたときに PHP でクリアするようにしてある。
(この項おわり)
header