这个正则表达式匹配并且不应该。为什么？

Question

这个正则表达式：

^((https?|ftp)\:(\/\/)|(文件\:\/{2,3}))?(((25[0-5]|2[0-4][0- 9]|[01]?[0-9][0-9]?)\.){3} (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))|(((([a-zA-Z0-9 ]+)(\.)?)+?)(\.)([az]{2} |com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum))([a-zA-Z0-9\?\=\&\%\/]*)?$

为便于阅读而格式化：

^( # Begin regex / begin address clause
  (https?|ftp)\:(\/\/)|(file\:\/{2,3}))? # protocol
  ( # container for two address formats, more to come later
   ((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}
   (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?) # match IP addresses
  )|( # delimiter for address formats
   ((([a-zA-Z0-9]+)(\.)?)+?) # match domains and any number of subdomains
   (\.) #dot for .com
   ([a-z]{2}|com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum) #TLD clause
  ) # end address clause
([a-zA-Z0-9\?\=\&\%\/]*)? # querystring support, will pretty this up later
$

匹配：

www.google

而且不应该。这是我的“失败”测试用例之一。我已声明当在 alpha 而不是 IP 上匹配时，URL 的 TLD 部分是强制性的，并且“google”不适合“[a-z]{2}”子句。

请记住，我将分别解决以下问题 - 这个问题是关于为什么它与 www.google 匹配而不应该匹配。

• 查询字符串只需要支持正确的格式，目前接受查询字符串字符的任意组合
• 一些协议不受支持，但我的要求范围可能不包括它们
• 不包括 3 个字符的不常见 TLD
• 可能匹配 http://www.google..com - 将检查连续的点
• 不支持十进制 IP 地址格式

我的正则表达式有什么问题？

编辑：另请参阅此正则表达式的早期版本在不同测试用例上的先前问题： How can I make this regex match correctly?

edit2：固定 - 更正的正则表达式（如要求）是：

^((https?|ftp)\:(\/\/)|(文件\:\/{2,3}))?(((25[0-5]|2[0-4][0- 9]|[01]?[0-9][0-9]?)\.){3} (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))|(((([a-zA-Z0-9 ]+)(\.)?)+?)(\.)([az]{2}|com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum))( [\/][\/a-zA-Z0-9\.]*)*?([\/]?[\?][a-zA-Z0-9\=\&\%\/]*) ?$

Answer 1

google" 不适合 "[a-z]{2}" 子句。

但是“go”会匹配，然后“ogle”匹配“([a-zA-Z0-9\?\=\&\%/]*)?”

Answer 2

您的 TLD 子句在 google 中匹配“go”，之后查询字符串支持部分匹配“ogle”。尝试将查询字符串部分更改为：

([?/][a-zA-Z0-9\?\=\&\%\/]*)?

Answer 3

“google”可能不适合 [a-z]{2}，但它确实适合 [a-z]{2}([a-zA-Z0-9\?\=\&\%\/]*)? - 如果 URL 超出域，您忘记在 TLD 之后要求 /。所以它将“www.go”解释为域，然后“ogle”跟随它，中间没有斜线。您可以通过在最后一组前面添加 [?/] 来修复它，以要求 TLD 和 URL 的任何其他部分之间的这两个符号之一。