包含测试我的正则表达式模式的所有有效字符的URL？

Question

首先，我创建了自己的正则表达式来查找文本中的所有网址，因为：

1. 当我搜索SO时，谷歌只发现了特定网址结构的正则表达式，如图片等。
2. 我从PHP的手册中找到了一个非常完整的正则表达式（参见http://php.net/manual/en/function.preg-match.php上的“freenet dot de 01-Oct-2009 12:01”中的“splattermania”），它几乎可以找到任何类似于URL的内容，如很像“bit.ly”。
3. 这种模式有一些错误和约束，所以我正在修复和增强它。

现在模式结构似乎正确，但我不确定是否存在所有有效字符。请发布网址样本以测试我的模式。可能是懒惰，但我不想阅读页面和页面的引用来找到所有这些，需要专注于开发。如果您有可以共享的用户名，密码，路径，查询和锚的有效字符摘要，那将非常有帮助。

最诚挚的问候！

Answer 1

您链接的模式确实匹配了许多有效和无效的网址。这并不奇怪，因为几乎所有正则表达式都是可选的;正如你自己写的那样，它甚至匹配bit.ly，因此很容易看出它如何匹配大量的非URL内容。

对于一个（例如http://www.müller.de），它不会考虑新的Unicode域名。

它与

等有效网址不匹配

http://msdn.microsoft.com/en-us/library/aa752574(VS.85).aspx

它与相对路径（可能不是必需的）不匹配，如/cgi-bin/version.pl。

它与mailto:个链接不匹配。

它与http://1.2.3.4之类的网址不匹配。甚至不询问IPv6：）

总而言之，正则表达式 NOT 是可靠地匹配或验证URL的正确工具。这是解析器的工作。如果你能忍受许多误报和假阴性比赛，那么正则表达式就可以了。

请阅读Jan Goyvaerts关于此主题的优秀论文：Detecting URLs in a block of text。