正则表达式匹配 URL

Question

我正在使用以下正则表达式来匹配 URL：

$search  = "/([\S]+\.(MUSEUM|TRAVEL|AERO|ARPA|ASIA|COOP|INFO|NAME|BIZ|CAT|COM|INT|JOBS|NET|ORG|PRO|TEL|AC|AD|AE|AF|AG|AI|AL|AM|AN|AO|AQ|AR|AS|AT|AU|au|AW|AX|AZ|BA|BB|BD|BE|BF|BG|BH|BI|BJ|BL|BM|BN|BO|BR|BS|BT|BV|BW|BY|BZ|CA|CC|CD|CF|CG|CH|CI|CK|CL|CM|CN|CO|CR|CU|CV|CX|CY|CZ|DE|DJ|DK|DM|DO|DZ|EC|EDU|EE|EG|EH|ER|ES|ET|EU|FI|FJ|FK|FM|FO|FR|GA|GB|GD|GE|GF|GG|GH|GI|GL|GM|GN|GOV|GP|GQ|GR|GS|GT|GU|GW|GY|HK|HM|HN|HR|HT|HU|ID|IE|IL|IM|IN|IO|IQ|IR|IS|IT|JE|JM|JO|JP|KE|KG|KH|KI|KM|KN|KP|KR|KW|KY|KZ|LA|LB|LC|LI|LK|LR|LS|LT|LU|LV|LY|MA|MC|MD|ME|MF|MG|MH|MIL|MK|ML|MM|MN|MO|MOBI|MP|MQ|MR|MS|MT|MU|MV|MW|MX|MY|MZ|NA|NC|NE|NF|NG|NI|NL|NO|NP|NR|NU|NZ|OM|PA|PE|PF|PG|PH|PK|PL|PM|PN|PR|PS|PT|PW|PY|QA|RE|RO|RS|RU|RW|SA|SB|SC|SD|SE|SG|SH|SI|SJ|SK|SL|SM|SN|SO|SR|ST|SU|SV|SY|SZ|TC|TD|TF|TG|TH|TJ|TK|TL|TM|TN|TO|R|H|TP|TR|TT|TV|TW|TZ|UA|UG|UK|UM|US|UY|UZ|VA|VC|VE|VG|VI|VN|VU|WF|WS|YE|YT|YU|ZA|ZM|ZW)([\S]*))/i";

但它有点搞砸了，因为它也匹配我不想要的“abc.php”。和 abc...test 之类的东西。我希望它与 abc.com 匹配。和 www.abc.com 以及 http://abc.com。

最后只需要稍作调整，但我不确定是什么。 （它现在不检查的任何域名后面应该有一个斜杠，它只检查 \S）

感谢您的宝贵时间。

Answer 1

$search  = "#^((?#
    the scheme:
  )(?:https?://)(?#
    second level domains and beyond:
  )(?:[\S]+\.)+((?#
    top level domains:
  )MUSEUM|TRAVEL|AERO|ARPA|ASIA|EDU|GOV|MIL|MOBI|(?#
  )COOP|INFO|NAME|BIZ|CAT|COM|INT|JOBS|NET|ORG|PRO|TEL|(?#
  )A[CDEFGILMNOQRSTUWXZ]|B[ABDEFGHIJLMNORSTVWYZ]|(?#
  )C[ACDFGHIKLMNORUVXYZ]|D[EJKMOZ]|(?#
  )E[CEGHRSTU]|F[IJKMOR]|G[ABDEFGHILMNPQRSTUWY]|(?#
  )H[KMNRTU]|I[DELMNOQRST]|J[EMOP]|(?#
  )K[EGHIMNPRWYZ]|L[ABCIKRSTUVY]|M[ACDEFGHKLMNOPQRSTUVWXYZ]|(?#
  )N[ACEFGILOPRUZ]|OM|P[AEFGHKLMNRSTWY]|QA|R[EOSUW]|(?#
  )S[ABCDEGHIJKLMNORTUVYZ]|T[CDFGHJKLMNOPRTVWZ]|(?#
  )U[AGKMSYZ]|V[ACEGINU]|W[FS]|Y[ETU]|Z[AMW])(?#
    the path, can be there or not:
  )(/[a-z0-9\._/~%\-\+&\#\?!=\(\)@]*)?)$#i";

刚刚清理了一下。这将匹配仅 HTTP(s) 地址，并且，只要您从 IANA 正确复制所有顶级域，只有那些标准化的（它将不匹配 http://localhost ) 和 声明了 http://。

最后你应该以路径部分结束，如果它存在的话，它总是以 / 开头。

不过，我建议您关注 Cerebrus：如果您对此不确定，请以更温和的方式学习正则表达式，并将经过验证的模式用于复杂的任务。

干杯，

顺便说一句：您的正则表达式还将匹配something.r 和something.h（在您的示例中，介于|TO| 和|TR| 之间）。我在我的版本中省略了它们，因为我猜这是一个错字。

重新阅读问题时：更改

  )(?:https?://)(?#

到

  )(?:https?://)?(?#

（有一个 ? 额外）匹配没有方案的“URL”。

Answer 2

不完全是 OP 所要求的，但这是一个更简单的正则表达式，不需要在 IANA 每次引入新 TLD 时进行更新。我相信这更适合大多数简单的需求：

^(?:https?://)?(?:[\w]+\.)(?:\.?[\w]{2,})+$

没有TLD列表，本地主机不匹配，子部分的数量必须> = 2并且每个子部分的长度必须> = 2（fx：“a.a”将不匹配但“a.ab”将匹配)。

Answer 3

这个问题很难找到答案。我发现的正则表达式太复杂而难以理解，而任何更多的正则表达式都是矫枉过正且难以实现的。

终于想出来了：

/(\S+\.(com|net|org|edu|gov)(\/\S+)?)/

适用于http://example.com、https://example.com、example.com、http://example.com/foo。

解释：

• 查找 .com 等。
• 将其前面的所有内容与空格匹配
• 匹配后面的所有内容到空格

Answer 4

这将获取完整的任何 url，包括 ?= 和 #/ 如果它们存在：

/[A-Za-z]+:\/\/[A-Za-z0-9\-_]+\.[A-Za-z0-9\-_:%&;\?\#\/.=]+/g

Answer 5

使用单个正则表达式来匹配 URL 字符串会使代码难以理解。我建议使用parse_url 将 URL 拆分为其组件（这不是一项简单的任务），并使用正则表达式检查每个部分。

Answer 6

将正则表达式的结尾更改为(/\S*)?)$ 应该可以解决您的问题。

解释它在做什么 -

• 它正在寻找/ 后跟一些字符（不是空格）
• 此匹配是可选的，? 表示 0 或 1 次
• 最后应该跟一个字符串结尾（或将其更改为\b 以匹配单词边界）。

Answer 7

我觉得这个简单高效/^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/

Answer 8

$ ：美元表示字符串的结尾。
例如 \d*$ 将匹配以数字结尾的字符串。 所以你需要添加 $!

Answer 9

匹配所有 url 的正则表达式（带 www、不带 www、带 http 或 https、不带 http 或 https，包括所有 2-6 个字母的顶级域名 [for countries, ex 'ly','us']、ports 、查询字符串和锚点 ['#']）。 这不是 100%，但它比我在网上看到的任何东西都要好。

它使用第一个答案中的顶级域，并结合了我搜索中发现的其他技术。它将返回任何有边界的有效 url，这就是 \b 发挥作用的地方。由于尾随 '/' 也是由 \b 触发的，所以最后一个匹配一个或多个 '?'。

/\b((http(s?):\/\/)?([a-z0-9\-]+\.)+(MUSEUM|TRAVEL|AERO|ARPA|ASIA|EDU|GOV|MIL|MOBI|COOP|INFO|NAME|BIZ|CAT|COM|INT|JOBS|NET|ORG|PRO|TEL|A[CDEFGILMNOQRSTUWXZ]|B[ABDEFGHIJLMNORSTVWYZ]|C[ACDFGHIKLMNORUVXYZ]|D[EJKMOZ]|E[CEGHRSTU]|F[IJKMOR]|G[ABDEFGHILMNPQRSTUWY]|H[KMNRTU]|I[DELMNOQRST]|J[EMOP]|K[EGHIMNPRWYZ]|L[ABCIKRSTUVY]|M[ACDEFGHKLMNOPQRSTUVWXYZ]|N[ACEFGILOPRUZ]|OM|P[AEFGHKLMNRSTWY]|QA|R[EOSUW]|S[ABCDEGHIJKLMNORTUVYZ]|T[CDFGHJKLMNOPRTVWZ]|U[AGKMSYZ]|V[ACEGINU]|W[FS]|Y[ETU]|Z[AMW])(:[0-9]{1,5})?((\/([a-z0-9_\-\.~]*)*)?((\/)?\?[a-z0-9+_\-\.%=&]*)?)?(#[a-zA-Z0-9!$&'()*+.=-_~:@/?]*)?)/gi

Answer 10

这是唯一的：

_^(?:(?:https?|ftp)://)(?:\S+(?::\S*)?@)?(?:(?!10(?:\.\d{1,3}){3})(?!127(?:\.\d{1,3}){3})(?!169\.254(?:\.\d{1,3}){2})(?!192\.168(?:\.\d{1,3}){2})(?!172\.(?:1[6-9]|2\d|3[0-1])(?:\.\d{1,3}){2})(?:[1-9]\d?|1\d\d|2[01]\d|22[0-3])(?:\.(?:1?\d{1,2}|2[0-4]\d|25[0-5])){2}(?:\.(?:[1-9]\d?|1\d\d|2[0-4]\d|25[0-4]))|(?:(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)(?:\.(?:[a-z\x{00a1}-\x{ffff}0-9]+-?)*[a-z\x{00a1}-\x{ffff}0-9]+)*(?:\.(?:[a-z\x{00a1}-\x{ffff}]{2,})))(?::\d{2,5})?(?:/[^\s]*)?$_iuS

Answer 11

试试Regexy::Web::Url

r = Regexy::Web::Url.new # matches 'http://foo.com', 'www.foo.com' and 'foo.com'

Answer 12

[ftp:\/\/www\/.-https:\/\/-http:\/\/][a-zA-Z0-9u00a1-uffff0]{1,3}[^ ]{1,1000} 

这在 js 中对我来说很好用

var regex = new RegExp('[ftp:\/\/www\/.-https:\/\/-http:\/\/][a-zA-Z0-9u00a1-uffff0]{1,3}[^ ]{1,1000}');
regex.exec('https://www.youtube.com/watch?v=FM7MFYoylVs&feature=youtu.be&t=20s');

Answer 13

"(?<=https?://)([^/\n\s]+)(?=/|\n\b)"

应匹配以 http:// 或 https:// 开头的任何域。这个想法是设置一个“lookbehind”和一个“lookahead”匹配 https:// 和右边的第一个斜杠之间的部分。肯定有缺陷，但比我见过的其他表达方式要简单得多。

Answer 14

只是为了添加一些东西。我知道这并不能完全直接地回答这个特定问题，但这是我能找到的添加此信息的最佳位置。不久前我写了一个 jQuery 插件来匹配 url 用于类似目的，但是在当前状态下（随着时间的推移会更新它）它仍然会认为像“http://abc.php”这样的地址是有效的。但是，如果 url 开始处没有 http、https 或 ftp，则不会返回 'valid'。虽然我应该澄清一下，这个 jQuery 方法返回一个对象，而不仅仅是一个字符串或布尔值。该对象将事物分解，分解中是一个 .valid 布尔值。在底部的链接中查看完整的小提琴和测试。如果您只是想抓住插件然后走，请参见下文：

jQuery 插件

(function($){$.matchUrl||$.extend({matchUrl:function(c){var b=void 0,d="url,,scheme,,authority,path,,query,,fragment".split(","),e=/^(([^\:\/\?\#]+)\:)?(\/\/([^\/\?\#]*))?([^\?\#]*)(\?([^\#]*))?(\#(.*))?/,a={url:void 0,scheme:void 0,authority:void 0,path:void 0,query:void 0,fragment:void 0,valid:!1};"string"===typeof c&&""!=c&&(b=c.match(e));if("object"===typeof b)for(x in b)d[x]&&""!=d[x]&&(a[d[x]]=b[x]);a.scheme&&a.authority&&(a.valid=!0);return a}});})(jQuery);

jsFiddle 示例：

http://jsfiddle.net/SpYk3/e4Ank/

Answer 15

(http|www)\S+

只需使用这个正则表达式来匹配所有 url 的