Question

可以使用单个正则表达式来修改网址并匹配所有部分，我一直在研究一个，到目前为止我提出的是：

(?:(?P<scheme>[a-z]*?)://)?(?:(?P<username>.*?):?(?P<password>.*?)?@)?(?P<hostname>.*?)/(?:(?:(?P<path>.*?)\?)?(?P<file>.*?\.[a-z]{1,6})?(?:(?:(?P<query>.*?)#?)?(?P<fragment>.*?)?)?)?

但是这不起作用，它应该匹配以下所有示例：

http://username:password@hostname.tld/path?arg=value#anchor
  http://www.domain.com/
  http://www.doamin.co.uk/
  http://www.yahoo.com/
  http://www.google.au/
  https://username:password@domain.com/
  ftp://user:password@domain.com/path/
  https://www.blah1.subdoamin.doamin.tld/
  使用domain.tld /＃锚
  doamin.tld /？查询= 123
  domain.co.uk/
  使用domain.tld
  http://www.domain.tld/index.php?var1=blah
  http://www.domain.tld/path/to/index.ext
  的mailto：//user@unkwndesign.com

并为所有组件提供命名捕获：

计划，例如。 http https ftp ftps callto mailto和任何其他未列出的内容   用户名
  密码
  主机名包括子域，域和tld
  路径例如/ images / profile /
  文件名，例如file.ext
  查询字符串例如。？富=栏＆安培;巴= FOO
  片段，例如。 #anchor

将主机名作为唯一的必填字段。

我们可以假设这是来自特定要求提供网址的表单，并且不会用于在文本中查找链接。

Answer 1

可以使用单个正则表达式来确定网址并匹配所有部分

没有

strager的正则表达式令人印象深刻，但在一天结束时，它比仅使用正确的URI解析器更不易读，可维护和可靠。它必然拒绝有效的URI并接受非URI的字符串，因为格式化URI的规则无法在正则表达式中完全表达。

的mailto：//user@unkwndesign.com

mailto URI中不应该有'//'。在您阅读该方案之前，您无法分辨URI的余数（post-:)将采用何种格式;许多URI方案不符合凭证@host / path格式。最好只接受您知道如何解析其URI的特定方案。

Answer 2

mingfai's regular expression的修改版本：

/^((?P<scheme>https?|ftp):\/)?\/?((?P<username>.*?)(:(?P<password>.*?)|)@)?(?P<hostname>[^:\/\s]+)(?P<port>:([^\/]*))?(?P<path>(\/\w+)*\/)(?P<filename>[-\w.]+[^#?\s]*)?(?P<query>\?([^#]*))?(?P<fragment>#(.*))?$/

用于部件捕获的url验证的正则表达式

2 个答案: