如何为段落中无http/https的URL补全协议前缀？

前端JavaScript实现 #

用正则匹配<a>标签里的href属性值，跳过已有http/https协议的URL，给剩下的补全https://。

代码示例：

function addHttpsToLinks(htmlContent) {
  // 匹配双引号包裹的href，排除已有协议的URL
  return htmlContent.replace(/<a href="(?!https?:\/\/)([^"]+)"/g, '<a href="https://$1"');
}

// 测试用例
const original = '<p>Testing if urls work <a href="google.com" rel="noopener noreferrer" target="_blank">google.com</a>google.com</p> this is some more content that might be added to the url <a href="www.google.com">www.Google.com</a> with some more text that follows. ';
const processed = addHttpsToLinks(original);
console.log(processed);

如果编辑器输出的是单引号包裹的href，可以把正则调整为：

htmlContent.replace(/<a href='(?!https?:\/\/)([^']+)'/g, "<a href='https://$1'");

要同时支持单双引号的话，用这个正则：

htmlContent.replace(/(<a href=['"])(?!https?:\/\/)([^'"]+)(['"])/g, '$1https://$2$3');

后端Python实现 #

利用Python的re模块做正则替换，逻辑和前端一致。

代码示例：

import re

def add_https_to_links(html_content):
    # 替换双引号包裹的无协议href
    return re.sub(r'<a href="(?!https?:\/\/)([^"]+)"', r'<a href="https://\1"', html_content)

# 测试用例
original = '<p>Testing if urls work <a href="google.com" rel="noopener noreferrer" target="_blank">google.com</a>google.com</p> this is some more content that might be added to the url <a href="www.google.com">www.Google.com</a> with some more text that follows. '
processed = add_https_to_links(original)
print(processed)

支持单双引号的版本：

re.sub(r'(<a href=['"])(?!https?:\/\/)([^'"]+)(['"])', r'\1https://\2\3', html_content)

注意事项 #

• 上述正则只会处理<a>标签的href属性，不会修改文本中直接出现的无协议URL（比如示例里的google.com文本），如果需要处理文本中的URL，需要另外写正则匹配。
• 如果要兼容ftp等其他协议，可以修改负向预查规则，比如(?!https?:\/\/|ftp:\/\/)，但如果只需要补全https，保持原规则即可。

内容的提问来源于stack exchange，提问作者bstory