如何将此正则表达式更改为仅匹配 url？答案

【问题标题】：How to change this regular expression to only match urls?如何将此正则表达式更改为仅匹配 url？
【发布时间】：2017-11-28 14:15:24
【问题描述】：

我想检查包含 url 的字符串是否匹配，例如：

http://www.something.com

www.something.com

something.com

我有这个正则表达式（.Net 风格）来匹配 url：

((http|ftp|https|www)://)?(\w+?\.\w+)+([a-zA-Z0-9\~\!\@\#\$\%\^\&\*\(\)_\-\=\+\\\/\?\.\:\;\'\,]*)?

它应该适用于以上 3 个 url，但不幸的是它也匹配这个：

35.000

如何修复正则表达式，使其不匹配 35.000？

【问题讨论】：

只过滤掉不包含字母的匹配项，如果您在.NET中提取文本应该很容易。
作为旁注，您可以将(http|ftp|https|www) 更改为(https?|ftp|www)，并且您的长列表不需要转义每个字母，您可以使用\w 而不是a-zA-Z0-9_，从而使用@987654328而是@。
url 语法非常复杂。尝试使用单一模式完成所有工作并不是一个好主意，原因有两个：1）如果您编写处理所有可能情况的最终模式，它将不可读且速度慢。 2）如果你写一个简单的模式，你会错过url，你会匹配不是url的子字符串。结论，选择一个折中方案：一个简单的、非常宽松的模式 + 一个内置的 url 检查器来过滤结果。
顺便说一句，模式中的www 分支永远不会匹配www.brinch.org，但会匹配www://brinch.org

标签： regex

【解决方案1】：

这是一个非常方便的正则表达式，它匹配 URL 并将协议、主机、路径、查询和片段分别放入组 1、2、3、4 和 5。它还匹配主机部分中的 IP 地址和主机名。除了主机之外的所有内容都是可选的。

(?:(https?|ftp)://)?(\d{1,3}(?:\.\d{1,3}){3}|(?:\w+\.)*[a-z]+)(/[^?#\s]*)(\?[^#\s]*)?(#[^\s]*)?

如您所见，它非常宽松。它只是检查整体结构，而不实际验证 URL 的各个部分（编码等）。但它会匹配任何正确的 URL，所以它应该足够好。如果用于 Javascript，只需转义 / 斜杠，它应该可以正常工作。

试试here。

【讨论】：