正则表达式从文本中提取URL（带/不带协议和www或子域）

Question

我想从元素中的文本中提取URL。我对regexp不是很了解，但这是我到目前为止所做的：

var regexp = /((https?:\/\/)?[\w-]+(\.[\w-]+)+\.?(:\d+)?(\/\S*)?)/i;

请检查这个小提琴，看看我的正则表达式是如何工作的：http://jsfiddle.net/h70mr1zt/5/

这是我需要的结果：

 1. stackoverflow => not found
 2. stackoverflow.com => found => stackoverflow.com
 3. www.stackoverflow.com => found => www.stackoverflow.com
 4. api.stackoverflow.com => found => api.stackoverflow.com
 5. http://www.stackoverflow.com => found => http://www.stackoverflow.com
 6. foo://www.stackoverflow.com => found => www.stackoverflow.com
 7. someone@stackoverflow.com => not found
 8. .com => not found

正如你可以看到我的小提琴，除了数字 7 之外，我几乎把一切都搞定了，其中它识别了电子邮件地址的域名部分。

Answer 1

你可以使用像

这样的正则表达式

^(http:\/\/)?(www\.)?\w+\.(com|net|org)$

参见示例

http://regex101.com/r/uQ9aL4/1

它是如何工作的？

^将正则表达式固定在线的开头。

(http:\/\/)?数学0或1出现http://

(www\.)匹配www.

的0或1次出现

\w*计算任意数量的alphanum

.(com|net|org)$匹配.com或.net或.org

$将正则表达式锚定在字符串的末尾。

Answer 2

您可以使用此正则表达式执行此操作：

/^(?:[a-z]*?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/i

请参阅jsfiddle

修改

很难匹配任何（甚至是虚构的）协议，并且还排除了域名，例如不使用断言的电子邮件（Lookahead＆amp;＆amp; lookbehind，javascript不支持）。

我会选择类似this的东西：

$('li').each(function(){
    var text = $(this).text(),
        regexp = /(^https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/i;
        regexpMail = /\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b/i;
    if((url = regexp.exec(text)) && !text.match(regexpMail)){
        $(this).append(' => <b>found</b> => <span>'+url[0]+'</span>');
    }else{
        $(this).append(' => <b class="nf">not found</b>');
    }
});

分解：

          Matches http/s        matches the rest
                v                   v
regexp = /(^https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$/i;

由于上述电子邮件将提取电子邮件的域名部分，您还需要进行严格的检查以排除电子邮件，女巫在此正则表达式中完成：

 regexpMail = /\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,4}\b/i;

完成所有这些会产生您想要的结果。其他人可能会把它放在一个正则表达式中，但我并不是那么好。