正则URL解析适配问题：调整WordPress正则匹配http/https/ftp链接

咱先说说你遇到的问题根源哈：你原来正则里的协议部分写的是[\w]{1,20}+://，这规则会把任意1-20个字母/数字/下划线都当成协议前缀的一部分，所以碰到testhttp://google.com时，testhttp会被直接匹配进去，自然就把前面的test也带进来了。你后来改的(http|https|ftp)+://多了个+，这会匹配重复的协议（比如httphttp://），完全没必要。

给你两个关键修改点，直接解决问题：

• 把协议部分改成明确匹配：(http|https|ftp)://，精准锁定你要的三种协议
• 加上(?<!\w)这个负向后行断言，确保协议前面不会跟着字母、数字或者下划线（这样就不会把前面的普通字符误包含进来）

调整后的正则片段大概是这样的：

~ (?<!\w) # 保证协议前面不是单词字符，避免误抓前面的内容
( # 捕获我们要的URL
(http|https|ftp):// # 明确匹配合法协议
(?=\S{1,2000}\s) # 保留你原来的URL长度限制规则
[\S]+ # 匹配URL的剩余内容，可根据实际需求调整
)~

拿你的例子testhttp://google.com测试的话，(?<!\w)会直接排除test后面的t（因为t属于单词字符），所以只会精准匹配http://google.com，完全符合你的预期。

要是你还想保留原来匹配开头分隔符（空白或标点）的逻辑，可以再调整下开头：

~ (?:[\s(<.,;:!?]|^) # 匹配开头的分隔符，或者字符串的起始位置
(?<!\w) # 依然要保证协议前无单词字符
( # URL捕获组
(http|https|ftp)://
(?=\S{1,2000}\s)
[\S]+
)~

这里用(?:...)把分隔符改成非捕获组，避免多出来没用的捕获结果；加|^是为了确保字符串最开头的URL也能被匹配到。

内容的提问来源于stack exchange，提问作者Alex