正则表达式替换文本中的URL？

Question

目前使用此：

MatchCollection urlRegExp = Regex.Matches(text, @"https?://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+");

替换文本中的网址，但它并没有得到每个网址，而且似乎我找不到一个好的正则表达式...任何人都可以帮忙吗？

Answer 1

如果你需要在文本中找到网址，你不需要符合RFC（无论数字）它是完全没用的（并且它几乎不可能使用符合标准的模式，它将太慢，太复杂）。

文本中的所有网址都应被视为有效（和/或在生成此文本的人员插入文本之前必须经过验证。换句话说，这不是您的工作！）< / em>的

所以，你必须找到另一种方法。为此，您必须提出正确的问题：如何区分URL和文本？

让我们列出一般标准

• URL可以从协议开始：http，https，ftp，sftp，ftps，gopher，...
• 网址可能以www.
开头
• 网址不包含空格字符
• 网址始终以字边界开始
• URL可以在空格字符之前结束，字符串的结尾，除了问号之外的标点符号（即使没有GET参数也可以存在）

根据这些要求，您可以轻松构建http协议的简单模式：

\b(https?://|www\.)\S+(?=\s|[^\P{P}?]|\z)

请注意，一旦获得结果，您可以使用内置函数检查网址的有效性（但通常不会处理所有情况，但现在您知道原因：）< / em>的