用于从字符串中提取所有 url 的正则表达式，不包括用于终止字符串的句点

Question

我正在尝试从一段字符串中提取 URL 我有不同的帖子在他们的消息中包含 URL。我已经准备了一个匹配的模式，但它不能正常工作。我问过同样的问题here，但忘了在其中添加这个案例，所以我要问一个新问题。

尝试过的模式

\b(\.?)(?:https?://)?(?:(?i:[a-z]+\.)+)[^\s,]+\b

代码

for ( $i = 0; $i < $resultcount; $i ++ ) {
    $pattern = '%\b(\.?)(?:https?://)?(?:(?i:[a-z]+\.)+)[^\s,]+\b%';
    $message = (string)$result[$i]['message'];
    preg_match_all($pattern,$message,$match);
    print_r($match);
    }

这样的帖子示例

“这只是一个测试正则表达式提取 URL 的帖子。 http://google.com, https://www.youtube.com/watch?v=dlw32af https://instagram.com/oscar/en.wikipedia.org"

对于多个 URL，Post 可能有逗号，也可能没有逗号，而且字符串和 url 之间可能没有任何空格，例如

sometext.http://google.com

regexDemo

谢谢大家:)

Answer 1

这将匹配经过精确编码并具有 HTTP URL 等格式的字符串，但属于 IDN 分类的字符串除外：

(?i)(?:https?://[^"'\s<>(){}]++|[a-z0-9](?<=\b.)[a-z0-9-]*+(?:\.[a-z-]{2,}+)++(?=[/?"'()\s]|:\d++|\Z)[^"'\s<>(){}]*+)

所以你不会期待

ftp://username:password@ftpserver/folder/ 

待匹配。

Live demo

Answer 2

在您最初的问题中，您没有指定每个“单词” （URL 的一部分）可以包含字母以外的内容。 请注意，您的正则表达式包含 [a-z]，这表明您 只想匹配由完全组成的“单词”的 URL 字母，没有任何数字，减号或下划线。

试试下面的正则表达式：

(?:https?:\/\/)?(?i)[a-z][a-z0-9_-]*(?:[.\/](?!http)[a-z0-9_-]+)+\/?(?:\?[^\s,.]+)?

说明：

• (?:https?:\/\/)? - 可选协议名称。
• (?i) - 打开 不区分大小写 选项。
• [a-z][a-z0-9_-]* - URL 的第一个“单词”（第一个字母， 然后是任意数量的字母、数字、下划线或减号字符）。
• (?:[.\/] - 非捕获组：点或斜线。
• (?!http) - 然后是负前瞻，以阻止 URL 从 http 前面紧跟一个点（或斜杠）。
• [a-z0-9_-]+)+ - 然后是下一个“单词”（可选，不需要开始 来自一封信），所有这些（非捕获组）都重复了。
• \/? - 可选斜杠，在查询字符串之前终止部分（如果有）。
• (?:\?[^\s,.]+)? - 查询字符串的可选非捕获组。 它从? 开始，然后是空格以外的一系列字符， 逗号或点。

如您所愿，上述正则表达式与尾随点不匹配。

注意：

当我在 regex101.com 下尝试这个正则表达式时，我引用了 / 包含的字符 在里面。您可能可以省略此引用。

根据您的评论，我更改了正则表达式，“单词”也可以包含 数字、下划线和减号。

还要注意- 作为[...] 之间的first 或last 字符代表 为自己（与其他两个字符之间的-相反，这意味着 从 - 到）。