js 获取页面内链接

今天有同学问如何用 JS 正则表达式获取一段文本中的超链接，并对超链接进行处理，想了几分钟，写了下面的代码：

 

var re = /https?:\/\/[\w\.:~\-\d\/]+(?:\?[\w\d\-_&=%]+)?(?:#[^\s]+)?/i;

 

这个正则表达式处理这种类型的URL：

 

protocol://host:port/path?param=value#xxoo

 

想法是好的，但总要测试通过才可以，随即又写了一段获取页面内所有带有 src, href 属性的代码：

 

function getGoodUrls() {
    var slice = [].slice, srcs, hrefs, links, hasAsk;
    hasAsk = function(url){
        return url ? (url.indexOf('http') === 0 && url.indexOf('?') > -1) : false;
    };
    srcs = slice.call(document.querySelectorAll('[src]'), 0);
    srcs = srcs.map(function(dom){ return dom.src; }).filter(hasAsk);
    hrefs = slice.call(document.querySelectorAll('[href]'), 0);
    hrefs = hrefs.map(function(dom){ return dom.href; }).filter(hasAsk);
    links = srcs.concat(hrefs);
    return links
}

 

ok，开测：

 

links.forEach(function(s){
　　//加上中文看中文会不会被选中
    s = s + '发大家看法';
    console.log('%cbefore: ' + s, 'color:red;')
    console.log('%cafter: ' + s.replace(re, function(href){
        return '<a href="' + href + '"><img/></a>';
    }), 'color: green');
});

 

结果，多数URL都还是通过了的，也有少部分无法通过，比如像：http://xx.oo?next=http://oo.xx
不过这个不算特别常见，暂时就算了，以后要用到再修改