正则表达式解析长网址

Question

我有这个正则表达式，它工作得很好，但不是在所有情况下，例如，如果我有一个长网址说“http://www.gob.cl/especiales/politicas-y-propuestas-de-accion-para- el-desarrollo-de-la-educacion-chilena/”它只会返回“http://www.gob”。作为网址的一部分

这是我的代码

$regexUrl = "((https?|ftp)\:\/\/)?"; // 方案 $regexUrl .= "([a-zA-Z0-9+!*(),;?&=\$_.-]+(\:[a-zA-Z0-9+!*(),;? &=\$_.-]+)?@)?"; // 用户和通行证 $regexUrl .= "([a-zA-Z0-9-]+)\.([a-zA-Z]{2,3})"; //主机或IP $regexUrl .= "(\:[0-9]{2,5})?"; // 港口 $regexUrl .= "(\/([a-zA-Z0-9+\$_-]\.?)+)*\/?"; // 小路 $regexUrl .= "(\?[a-zA-Z+&\$_.-][a-zA-Z0-9;:@&%=+\/\$_.-]*)?"; // 获取查询 $regexUrl .= "(#[a-zA-Z_.-][a-zA-Z0-9+\$_.-]*)?"; // 锚 //if(preg_match_all("#\bhttps?://[^\s()]+(?:\([\w\d]+\)|([^[:punct:]\s]|/ ))#", $message, $matches1, PREG_PATTERN_ORDER)) //$pattern = '/((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]+)(\.)?)+)(\.)(com|org |net|gov|mil|biz|info|mobi|name|aero|jobs|museum|[a-z]{2}))([\/][\/a-zA-Z0-9\.]*)* ([\/]?(([\?][a-zA-Z0-9]+[\=][a-zA-Z0-9\%\(\)]*)([\&][a -zA-Z0-9]+[\=][a-zA-Z0-9\%\(\)]*)*))?/'; if(preg_match_all("/$regexUrl/", $urlMessage, $matches1, PREG_PATTERN_ORDER)) { 尝试 { foreach($matches1[0] as $urlToTrim1) { $url= $urlToTrim1; 回声 $url; } } 捕获（异常 $e） { $url="-1"; } }

是否有一个通用的正则表达式可以解析所有类型的网址。

Answer 1

您的主机或 ip 正则表达式部分

"([a-zA-Z0-9-]+)\.([a-zA-Z]{2,3})"

最多允许一个点在里面。因此“www.xyz.com”永远无法匹配。

我不知道你的具体要求是什么，但你可以选择类似的东西

"([^/?#:]+)"

主机部分。

Answer 2

这是我从 $text 中提取所有 URL 的方法：

preg_match_all('#(https?://[a-z0-9\.\-_\#%&=/?;,!:~@\$\+]+)#iu', $text, $m);

假设 URL 以 https:// 或 http:// 开头，然后可以有一个限制为一组特殊字符的序列。

然后我可以在$m 上使用http://www.php.net/manual/en/function.parse-url.php 来获取所有URL 的详细信息

编辑：另外，如果您正在解析文本，您可能需要检查 URL 末尾的句点 (.) 和其他标点符号。我注意到如果 URL 位于句子的末尾，例如 http://example.com，人类可能会在 URL 的末尾添加 .。

所以我做了这样的事情：

 if (($url[$pos]==='!') || ($url[$pos]==='.')) { // probably do not want these chars at the end of a url!
    $url = substr($url, 0, $pos);
 }

Answer 3

如何匹配所有以 http:// 或 https:// 开头的内容

((?:http|https)(?::\\/{2}[\\w]+)(?:[\\/|\\.]?)(?:[^\\s"]*))