正则表达式在遇到分号后停止解析

Question

我正在使用此正则表达式从分号分隔的字符串中解析URL。

\b(?:https?:|http?:|www\.)\S+\b

如果我的输入文本采用以下格式，则效果很好：

    "Google;\"https://google.com\""
//output - https://google.com
    "Yahoo;\"www.yahoo.com\""
//output - www.yahoo.com

但是在这种情况下，它给出的字符串不正确

"https://google.com;\"https://google.com\"" 
//output - https://google.com;\"https://google.com

遇到';'时如何停止解析？

Answer 1

我个人只是修改正则表达式以使其专门用于URL，并向https：//协议和www量词添加一些条件。使用\ S +可能有点麻烦，因为它将捕获每个非空白字符，而在URL中，该字符会限制您可以使用的字符。

这样的事情应该可以很好地满足您的特定需求。

(https?:\/{2})?([w]{3}.)?\w+\.[a-zA-Z]+

这为http（也是可选的s协议）设置了条件，然后://将紧随其后。然后，它将抓取尽可能多的所有字母，数字和下划线，直到.，然后是最后一个字符集结束为止。如果愿意，可以将[a-zA-Z]字符集替换为一组明确的域。

Answer 2

看看您的示例，我将匹配引号之间的任何URL。像这样：

(?<=")(?:https?:|www\.)[^"]*

You can try it out here

或者就像其他人所说的那样，使用string.Split用分号字符分隔输入字符串，然后顺序检查每个字符串是否符合您的期望。

Answer 3

对于示例数据，您可以使用正向先行(?=）和正向先行(?<=)

(?<=")(?:https?:|www\.).+?(?=;?\\")

那会匹配

• (?<=")肯定地说是在左边是双引号。
• (?:https?:|www\.)将http与可选的s或www匹配。
• .+?匹配任意字符一次或多次非贪婪
• (?=;?\\")积极前瞻，断言其后是可选的;，后跟\"