新手的正则表达式

Question

我是正则表达式的新手，并尝试在scala中使用。

我正在尝试在很长的字符串中识别网址。我看了很多，我发现的最好的是

val regex = """https?://([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?""".r

这留下了一些不足之处，但最后留下了像“”＆gt;图像“这样的东西。我正在试图弄清楚我的正则表达式意味着什么，所以我可以解剖它并在它击中时停止它. / .com / .org / .edu .whatever之后的非单词字符。

我希望有人不介意解释这个预先形成的正则表达式中的各个元素，以便我可以弄清楚正在发生什么并了解有关正则表达式的更多信息。我已经完成了一两个教程并找到了一些东西，但我认为我认为对我来说非常宝贵。

我明白了：

https表示s是可选的
• ?
元素意味着它们是可选的
• ?
• \w似乎是指单词字符
• \d似乎意味着数字
• .涵盖大多数字符，除非转义

我没有得到：

• 我们如何计算何时逃跑
• :如何运作或+
• 真正的逃脱角色（我认为这是反斜杠，但这似乎不起作用？）
• 如何指定需求可以为一个范围添加单词，所以像单词char不只是一个char，而是1-X chars

无论如何，我希望有人可以指导我一个问题，而不是通过帮助解释他们出现的各个元素来推动我到另一个教程。我很感激。

regexlib很有帮助，让我：

val regex = """https?://\w+\.\w+\.\w+[\w/_\.\?=&:]+""".r

我理解的每一点！

Answer 1

我认为“＆gt;包含图片的主要问题是通过替换与查询html字符串匹配的部分来解决

(\?\S+)

某些内容不包含“＆lt;＆gt;作为\ S

(\?[\w=$&.\-^@#~+%]+)