正则表达式只匹配.gov tlds

Question

我正在尝试编写一个正则表达式来获取任何.gov或.edu网址的完整网址，以使其成为一个链接。

我目前有：

/(\b(https?|ftp):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])/

全部在()所以我可以为任何网址反刍，但我只想要.gov或.edu。

提前致谢。

Answer 1

[-A-Z0-9+&@#\/%?=~_|!:,.;]*似乎正在诋毁大部分网址，所以我们需要将.gov和.edu塞进这里。最快的解决方案是：

[-A-Z0-9+&@#\/%?=~_|!:,.;]+(\.gov|\.edu)[-A-Z0-9+&@#\/%?=~_|!:,.;]*

但是，这会匹配以下网址：http://www.example.com/evil.gov/test.html

要解决此问题，我们可以在顶级域名之前取出匹配的/：

[-A-Z0-9+&@#%?=~_|!:,.;]+(\.gov|\.edu)[-A-Z0-9+&@#\/%?=~_|!:,.;]*

或者，最后，我们有：

/(\b(https?|ftp):\/\/[-A-Z0-9+&@#%?=~_|!:,.;]+(\.gov|\.edu)[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|]?)/

由于问题与example.gov不匹配，我在最后一个标记中添加了?。

该死的很丑。