Question

我不擅长正则表达式，但我想从字符串后跟空格中提取URL。例如，我有一个字符串：

I am working on a website http://www.example.com/ and I want to find this URL.

最接近的正则表达式是

/(^https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,10})([\/\w \.-]*)*\/?$/i

但它需要选择URL后跟一个空格，而不仅仅是在域扩展名的两个字符之后。请帮忙。

Answer 1

我已经为您准备了一个小演示：http://codepen.io/PiotrBerebecki/pen/qaqdNA

以下情况会对您有所帮助吗？

var str = 'I am working on a website http://www.example.com/ and I want to find this URL.'

// capture whole url, including trailing space
var url = (str.match(/http[^\s]*[\s]/) || [])[0]
console.log(url); // 'http://www.example.com/ '

// capture url without http, include trailing space
var urlNoHttp = (str.match(/(?:http:\/\/)(.*?\s)/) || [])[1];
console.log(urlNoHttp); // 'www.example.com '

Answer 2

我已经将你的正则表达式重新制作成符合你想要的东西，我相信：

/(?:https?:\/\/)?(?:www\.)?(?:[\da-z-]+\.)+[a-z]{2,10}(?:\/[^\s/]+)*\/?\s/gi

See in Regex101

＆＃13;

var regex = /(?:https?:\/\/)?(?:www\.)?(?:[\da-z-]+\.)+[a-z]{2,10}(?:\/[^\s/]+)*\/?\s/gi;

var lines = [
  "You can match a URL http://subdomain.domain.com which includes a subdomain",
  "But not one that...this uses the http protocol (see http://example.com)",
  "I am working on a website http://example.com/ and I want to find this URL.", 
  "This URL www.example.com will also match",
  "The URL example.com will match again",
  "You can have http://example.com several urls www.example.com in the example.com text you are parsing",
  "URLs containing trailing information example.com/foo/bar will be matched",
  "and complex URLS like http://subdomain.domain.com/foo/bar/file.txt/baz?param=value&param2=img.jpg#cointainsHash can also be matched",
  "although invalid looking URLs like http://example.com///foo will not be",
  "It will also fail if it's at the end of the line http://example.com"
]

lines.forEach(string => console.log(string, string.match(regex)))

＆＃13;

说明：

正则表达式组件

(?:https?:\/\/)? - 可选择以 http：// 或 https：// 开头。这是在非捕获组中包围的。

(?:www\.)? - 可选择从 www。开始。注意：这实际上是多余的，因为模式的下一部分将与之匹配。它可以省略，但如果更改了域模式，则可能需要它。

(?:[\da-z-]+\.)+捕获URL的一个或多个组件，每个组件应包含一个或多个字母数字，点或短划线字符后跟一个点。这将匹配确保您选择子域名，例如subdomain.example.com或TLD组件，例如example.co.uk或两者：subdomain.example.co.uk以及基本域名。

[a-z]{2,10}匹配最终TLD的两到十个字母

(?:\/[^\s/]+)*非匹配组，其中包含正斜杠，后跟一个或多个非空格或正斜杠的字符。该小组会重复任意次，以便考虑/foo的{{1}}和/bar部分。 example/foo/bar的排除确保只有正斜杠之间的内容匹配，排除空白确保它不会超出＆＃34;溢出＆＃34;并在URL后意外匹配空格。 黑名单字符背后的原因是内容可以变化，包括点，短划线，下划线甚至其他字母表中的字符，以及查询参数（利用/和? ）URL哈希（使用&）或组合。假设您不想接受所有字符，则应限制此操作。如果您要验证网址的有效性，例如，确保#在 ?param=value之前来到并且被{{1}正确隔开然后那些匹配需要分开。另一方面，这将是一个相当严厉的验证 - 对于大多数情况，仅使用#hash就足以识别有效的URL。

URL末尾的
&可选正斜杠

[^\s/]必须匹配任何空格字符。如果你想要一个文字空间，那么如果要在输入字符串的末尾捕获一个URL，则将其更改为空格字符\/?，然后将其更改为\s或取决于您是想要任何空格还是空格字符。

<强>标志

(?:\s|$)不区分大小写的匹配

(?: |$)全局匹配 - 它将返回字符串中的所有网址。如果删除，它将返回一个。

我删除了一些分组，因为它们是多余的。

警告：此正则表达式仅适用于拉丁字符。例如，西里尔文或中文的域名将不匹配。使用核心JavaScript几乎无法做到这一点，因为目前它没有Unicode支持。如果您想支持这些，那么我建议使用第三方正则表达式库，如XRegExp。另一种方法是重写这个正则表达式而不提及任何字母，但是，它很可能容易被标记为误报。

更多注意事项：这不符合所有有效的网址，但它符合提议的限制。例如，i将不匹配，但g之类的内容将会匹配，因为它包含可以解释为子域的组件。此外，TLD不会被确保有效 - 除了非拉丁语TLD，有些可能包含超过10个字符。假设您不需要确保URL的总有效性，但只想匹配看起来像一个的东西，这将有效。

Answer 3

尝试以下正则表达式：

rxp = / http[^ ]+/

这将匹配一个后跟http的空格并抓住所有内容直到找到空格

然后做：

stringWithURL.match(rxp)[0].slice(1)

这将剥离第一个空格字符并返回一个字符串而不是一个数组。

对于案件：

stringWithURL = "I am working on a website http://www.example.com/ and I want to find this URL."

将给出结果：

"http://www.example.com/"

如果你想在键入时捕获它，那么在每次击键后进行捕获，结果会一直增长，直到键入空格，然后URL就会完成。

Answer 4

您已经在使用正则表达式，只需在它前面添加一个空格，以便要求它成为一个新单词：

/ (ftp|http|https):\/\/(\w+:{0,1}\w*@)?(\S+)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?/i

只要前面有空格，就会匹配文本块中最常见的URL。此解决方案也接受ftp，但如果您只想要http / https，则可以从列表中删除它：

/ (http|https):\/\/(\w+:{0,1}\w*@)?(\S+)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?/i

归功于@Roman的初始解决方案。

Answer 5

另一种解决方案：

＆＃13;

var str='I am working on a website http://www.example.com/ and I want to find this URL.';
var Matches = (/http(.*?)\s/g).exec(str);
console.log(Matches);

＆＃13;

P.S。如果你想要ftp:/或其他类型的方案，请自己调整脚本。

JavaScript：遇到空格后从字符串中提取URL

5 个答案: