如何从字符串中提取URL？ （任何语言）

Question

我意识到Stack Overflow和整个网络已经多次询问过这个问题，事实上，我现在有大约20个标签可以解决这个问题。

事情是每一个答案都说

  

你可以使用正则表达式，但这不是一个好主意，并且不能可靠地工作，但我不会提供任何替代方案。

所以我的问题是 - 我们是否真的没有可靠，明确的方式从文本中提取网址？

Answer 1

正则表达式是非常强大的工具。像大多数强大的工具一样，它们被严重误解，在许多用户手中都是危险的，也是某些任务的最佳答案。在字符串中匹配已知模式就是它们的存在。一旦掌握了良好的URL模式，它将始终在其设计的上下文中工作。每个人都不愿意使用它们的原因是为特定的上下文创建一个好的URL模式是很困难的工作。该模式将因执行环境（例如，file: URL的操作系统），使用的编程语言和/或库等而异。 < / p>

对于HTTP URL的特定情况，主要遵循clear definition，您可以使用几乎任何语言或库构建可靠的正则表达式。

Answer 2

  

我们是否真的没有可靠，明确的方式从文本中提取网址？

嗯，字符串格式列表中的任何内容都需要仔细处理异常。也就是说，一旦你有了这样的处理，它应该工作正常。

regexp with a uri schema可能看起来类似于：

<a href="(?<url>http://.*?)".*>(?<text>.+?)<\/a>

这是 .NET正则表达式，因此您可能需要修改它以使用您的平台语言。

Answer 3

如果要从任何字符串中提取URL，除了使用Regex之外别无选择。 实际上URI方案是定义的（参见http://en.wikipedia.org/wiki/URI_scheme），如果你仔细研究它的所有方面，正则表达式是非常可靠的。