正则表达式匹配 HTML 和非 HTML URL

Question

我正在尝试从此文本中获取所有网址。绝对和相对 URL，但我没有得到正确的正则表达式。这个表达结合了比我想要的更多的东西。你得到了我不想要的 HTML 标记和其他信息。

尝试

(\w*.)(\\\/){1,}(.*)(?![^"])

输入

<div class=\"loader\">\n       <div class=\"loaderImage\"><img src=\"\/c\/Community\/Rating\/img\/loader.gif\" \/><\/div>\n    <\/div>\n<\/div>\n<\/div><\/span><\/span>\n
   <a title=\"Avengers\" href=\"\/pt\/movie\/Avengers\/57689\" >Avengers<\/a>                                                                                                                        <\/div>\n         
<img title=\"\" alt=\"\" id=\"145793\" src=\"https:\/\/images04-cdn.google.com\/movies\/74932\/74932_02\/previews\/2\/128\/top_1_307x224\/74932_02_01.jpg\" class=\"tlcImageItem img\"  width=\"307\"   height=\"224\"  \/>
pageLink":"\/pt\/videos\/\/updates\/1\/0\/Category\/0","previousPage":"\/pt\/videos\/\/updates\/1\/0\/Category\/0","nextUrl":"\/pt\/videos\/\/updates\/2\/0\/Category\/0","method":"updates","type":"scenes","callbackJs"
<span class=\"value\">4<\/span>\n        <\/div>\n          <\/div>\n    <div class=\"loader\">\n       <div class=\"loaderImage\"><img src=\"\/c\/Community\/Rating\/img\/loader.gif\" \/><\/div>\n    <\/div>\n<\/div>\n<\/div><\/span><\/span>

Demo

Answer 1

正如已经评论的那样，使用 RegEx 解决这个问题可能并不是最好的主意。但是，如果你想练习或者你真的必须练习，你可以在你的 URL 所在的"" 之间进行精确匹配。您可以使用scr、href 或您可能拥有的任何其他固定组件从左侧绑定它们。您可以简单地使用 | 并将它们列在第一组 ()。

用于 HTML URL 的 RegEx 1

This RegEx 可能不是正确的解决方案，但它可能会让您了解如何使用 RegEx 解决此问题：

(src=|href=)(\\")([a-zA-Z\\\/0-9\.\:_-]+)(")

它创建了四个组，以便简化更新，$3 组可能是您想要的 URL。您可以在第三组中添加您的 URL 可能包含的任何字符。

适用于 HTML 和非 HTML URL 的 RegEx 2

对于捕获其他非 HTML 的 URL，您可以将其更新为类似于 this RegEx:

(src=\\|href=\\|pageLink\x22:|previousPage\x22:|nextUrl\x22:)(")([a-zA-Z\\\/0-9\.\:_-]+)(") 

其中\x22 代表"，你可以简单地替换它。我刚刚添加了\x22，这样你就可以看到那些"，你的目标URL 位于：

第二个RegEx也有四个组，目标组是$3。如果您愿意，也可以简化或DRY。