如何使用正则表达式查找字符串中的所有YouTube视频ID？

Question

我有一个文本字段，用户可以在其中编写任何内容。

现在，我想解析它并找到所有YouTube视频URL及其ID。

任何想法如何工作？

Answer 1

YouTube视频网址可能会以多种格式出现：

• 最新的简短格式： http://youtu.be/NLqAF9hrVbY
• iframe： http://www.youtube.com/embed/NLqAF9hrVbY
• iframe（安全）： https://www.youtube.com/embed/NLqAF9hrVbY
• 对象参数： http://www.youtube.com/v/NLqAF9hrVbY?fs=1&hl=en_US
• 对象嵌入： http://www.youtube.com/v/NLqAF9hrVbY?fs=1&hl=en_US
• 看： http://www.youtube.com/watch?v=NLqAF9hrVbY
• 用户： http://www.youtube.com/user/Scobleizer#p/u/1/1p3vcRhsYGo
• ytscreeningroom： http://www.youtube.com/ytscreeningroom?v=NRHVzbJVx8I
• 什么都可以！： http://www.youtube.com/sandalsResorts#p/c/54B8C800269D7C1B/2/PPS-8DMrAn4
• 任何/子域/太： http://gdata.youtube.com/feeds/api/videos/NLqAF9hrVbY
• 更多参数： http://www.youtube.com/watch?v=spDj54kf-vY&feature=g-vrec
• 查询可能有点： http://www.youtube.com/watch?v=spDj54kf-vY&feature=youtu.be
• nocookie域： http://www.youtube-nocookie.com

这是带有带注释的正则表达式的PHP函数，该函数与这些URL形式中的每一个匹配，并将它们转换为链接（如果它们还不是链接）：

// Linkify youtube URLs which are not already links.
function linkifyYouTubeURLs($text) {
    $text = preg_replace('~(?#!js YouTubeId Rev:20160125_1800)
        # Match non-linked youtube URL in the wild. (Rev:20130823)
        https?://          # Required scheme. Either http or https.
        (?:[0-9A-Z-]+\.)?  # Optional subdomain.
        (?:                # Group host alternatives.
          youtu\.be/       # Either youtu.be,
        | youtube          # or youtube.com or
          (?:-nocookie)?   # youtube-nocookie.com
          \.com            # followed by
          \S*?             # Allow anything up to VIDEO_ID,
          [^\w\s-]         # but char before ID is non-ID char.
        )                  # End host alternatives.
        ([\w-]{11})        # $1: VIDEO_ID is exactly 11 chars.
        (?=[^\w-]|$)       # Assert next char is non-ID or EOS.
        (?!                # Assert URL is not pre-linked.
          [?=&+%\w.-]*     # Allow URL (query) remainder.
          (?:              # Group pre-linked alternatives.
            [\'"][^<>]*>   # Either inside a start tag,
          | </a>           # or inside <a> element text contents.
          )                # End recognized pre-linked alts.
        )                  # End negative lookahead assertion.
        [?=&+%\w.-]*       # Consume any URL (query) remainder.
        ~ix', '<a href="http://www.youtube.com/watch?v=$1">YouTube link: $1</a>',
        $text);
    return $text;
}

; //结束$ YouTubeId。

这是具有完全相同的正则表达式的JavaScript版本（已删除注释）：

// Linkify youtube URLs which are not already links.
function linkifyYouTubeURLs(text) {
    var re = /https?:\/\/(?:[0-9A-Z-]+\.)?(?:youtu\.be\/|youtube(?:-nocookie)?\.com\S*?[^\w\s-])([\w-]{11})(?=[^\w-]|$)(?![?=&+%\w.-]*(?:['"][^<>]*>|<\/a>))[?=&+%\w.-]*/ig;
    return text.replace(re,
        '<a href="http://www.youtube.com/watch?v=$1">YouTube link: $1</a>');
}

笔记：

• URL的VIDEO_ID部分是在一个唯一的捕获组中捕获的$1。
• 如果您知道您的文本不包含任何预链接的URL，则可以安全地删除测试此条件的否定超前断言（断言以注释开头： “未预链接URL”。 ）这样可以加快速度正则表达式有点。
• 替换字符串可以修改以适合。上面提供的链接仅创建了到通用"http://www.youtube.com/watch?v=VIDEO_ID"样式URL的链接，并将链接文本设置为："YouTube link: VIDEO_ID"。

编辑2011-07-05：-在ID字符类中添加了连字符

编辑2011-07-17： 修复了正则表达式以使用YouTube ID后占用URL的任何其余部分（例如 query ）的问题。添加了'i'
忽略大小写 修饰符。将函数重命名为camelCase。改进的预链接超前测试。

编辑2011-07-27： 添加了YouTube URL的新“用户”和“ ytscreeningroom”格式。

编辑2011-08-02： 简化/通用化以处理新的“任意/全部/正常” YouTube URL。

编辑2011-08-25：进行了 一些修改：

• 添加了Java版本的linkifyYouTubeURLs()函数：。
• 先前版本的方案（HTTP协议）部分是可选的，因此将匹配无效的URL。使计划成为必需的一部分。
• 以前的版本\b在VIDEO_ID周围使用了字边界锚。但是，如果VIDEO_ID以-破折号开头或结尾，则此操作将无效。已修复，使其可以处理此情况。
• 更改了VIDEO_ID表达式，使其必须正好为11个字符长。
• 如果先前版本的VIDEO_ID后面有查询字符串，则先前版本无法排除预链接的URL。改进了否定超前断言来解决此问题。
• 向字符类匹配查询字符串中添加+和%。
• 更改PHP版本的正则表达式分隔符从：%到：~。
• 添加了“便笺”部分，其中包含一些方便的便笺。

编辑2011-10-12： YouTube URL主机部分现在可以具有任何子域（而不仅仅是www.）。

编辑2012-05-01： 消费URL部分现在可以使用’-‘。

编辑2013-08-23： 添加了@Mei提供的其他格式。（查询部分可能有一个.点。

编辑2013-11-30： 添加了@CRONUS提供的其他格式：youtube-nocookie.com。

编辑 2016年1月25日 ： 修复了正则表达式以处理CRONUS提供的错误情况。