URL C＃的正则表达式

Question

在我的C＃程序中，我编写了一个Google搜索功能，它通过从每个页面获取源代码并通过正则表达式获取URL来工作。

我的实际正则表达式是：

(?:(?:(?:http)://)(?:w{3}\\.)?(?:[a-zA-Z0-9/;\\?&=:\\-_\\$\\+!\\*'\\(\\|\\\\~\\[\\]#%\\.])+)

目前效果很好，但我得到了http://www.example.com/forums/arcade.php?efdf=332

等网址

我只想在这种情况下得到最后没有?efdf=332的网址。

那么我应该如何更改正则表达式呢？

Answer 1

http://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+

与正则表达式相同（我删除了很多不必要的瑕疵），但在?之前停止匹配链接。

在C＃中：

Regex regexObj = new Regex(@"http://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+")

那就是说，我不确定这是一种匹配网址的好方法（https，ftp，mailto等等。）

Answer 2

您可以使用Uri类访问URL的各个部分，并从末尾删除查询字符串，或者连接所需的部分。