Question

我环顾四周寻找一个正则字符串，它会从字符串中提取一个url并找到这个。

\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))

问题是当我在regexr.com上的以下字符串上测试它时它匹配正确，但在c＃中使用它时却没有。

测试字符串：

  "<a style=\"color: blue;\" target=\"_blank\" href=\"http://www.fedex.com/Tracking?action=track&tracknumbers=187880016501597\">Track FedEx Ground 187880016501597</a>"

Regexr匹配：

  "http://www.fedex.com/Tracking?action=track&tracknumbers=187880016501597"

C＃匹配：

  "http://www.fedex.com/Tracking?action=track&tracknumbers=187880016501597">"

我无法弄清楚为什么c＃在匹配字符串的末尾添加“＆gt;。我认为它可能与原始测试字符串中的转义符号有关。我我希望获得与regexr.com相同的结果。如果有人有任何想法，请告诉我，谢谢。

Answer 1

我认为Lasse（在评论中）。已经指出了正确的方向，因为你获得了额外的角色匹配。

.NET Regex不支持POSIX character classes，因此[:punct:]无法匹配标点符号[!"#$%&'()*+,\-./:;<=>?@ [\\\]^_{|}~]（原始正则表达式所依赖的）。你要么必须用所需的标点符号替换（这看起来很麻烦），要么找到另一种正则表达式。

有关支持/不支持的行为的其他详细信息，请访问：http://www.regular-expressions.info/refcharclass.html

Answer 2

我与你列出的正则表达式进行了一次游戏，并通过一个小调整来匹配部分网址：

自：

[^\s()<>]

更改为：

[.])[^\s()<>\"\\]

这排除了你不想要的最后字符。所以最终的正则表达式是：

\b(([\w-]+://?|www[.])[^\s()<>\"\\]+(?:\([\w\d]+\)|([[^\w]\s]|)))

至于:punct:位是什么，我不知道！也许它是一些字符集用于标点符号的正则表达式工具。不确定。无论如何，我如上所示调整了它，至少对你的测试用例来说，它是有效的。但是，考虑到一些更多的样本数据，正则表达式的那部分可能需要一些关注。

正则表达式在c＃中的行为与在regexr.com上的行为不同

2 个答案: