正規表現でURLをリンクに変換する

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

サンプル・プログラムの実行例

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', TRUE, DEF_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(PATTERN, REPLACE, $sour);