Question

我的内容包含文字和链接，其中一些链接（只有一些）可能以模式#PARAM1[\w+]#PARAM2[\w+]#PARAM3[\w+]结尾 - 顺序无关紧要，PARAM2和PARAM3是可选的。例如，给定网址

http://www.google.com

模式不匹配，而下列之一应匹配：

http://www.google.com#PARAM1[\w+]#PARAM2[\w+]#PARAM3[\w+]
http://www.google.com#PARAM1[\w+]
http://www.google.com#PARAM1[\w+]#PARAM2[\w+]
http://www.google.com#PARAM3[\w+]#PARAM2[\w+]#PARAM1[\w+]

等等。对于URL本身，我使用以下正则表达式，这足以满足我的需求：

\b(http|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&amp;:/~\+#]*[\w\-\@?^=%&amp;/~\+#])?

我的问题是，如何提供要包含在匹配中的其他参数。我试图使用积极的前瞻：

\b(http|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&amp;:/~\+#]*[\w\-\@?^=%&amp;/~\+#])?((?=.*#ID\[\w+\])(?=.*#NAME\[\w+\])(?=.*#TAG\[\w+\]))

但匹配的字符串仅包含url，因为未包含前瞻。必须有一个简单的解决方案！：）

如果它有帮助，我正在使用Java。

Answer 1

这对您来说可能不够严格，如果您的数据变化远远超出您的示例，它可能无法正常工作，但我采取了刺激并想出了以下正则表达式。它在花哨方面较少，在蛮力方面较多。

\b(http|https):\/\/[\w\-_]+(\.[\w\-_]+)+(?:(\#PARAM(?:2|3)\[\\w\+])?(\#PARAM1\[\\w\+])(\#PARAM(?:2|3)\[\\w\+])?|(\#PARAM(?:2|3)\[\\w\+]){0,2}(\#PARAM1\[\\w\+])|(\#PARAM1\[\\w\+])(\#PARAM(?:2|3)\[\\w\+]){0,2})$

我接受了正则表达式的第一部分，然后附加了一个正则表达式，该正则表达式匹配3个替代项，这些替代项对应于可选参数的所需PARM1的可能位置：

可选PARM2 / 3，必需PARM1，可选PARM2 / 3
可选PARM2 / 3，可选PARM2 / 3，必需PARM1
必需PARM1，可选PARM2 / 3，可选PARM2 / 3

替代方案有一些重叠;也许还有一些想法可能有点简化它们。

正如我所提到的，它对你来说可能不够严格，因为它不要求可选的parms是唯一的。这个和类似的变化将通过：

HTTP：//www.google.com#PARAM1 [\ W +]＃参数3 [\ W +]＃参数3 [\ W +]

Answer 2

伙计，我是一个正则表达式的人，我不会尝试扩展URL匹配器。你不能在首先运行URL之后运行你的特殊模式吗？

        string verifiedURL = @"http://www.google.com#PARAM3[\w+]#PARAM1[\w+]";
        //match (at least)1, or 2 or 3 occurrences of the PARAM sequence
        var pattern = @"(#PARAM\d\[\\w\+\])(#PARAM\d\[\\w\+\]){0,2}";
        var matches = Regex.Matches(verifiedURL , pattern);

仅当URL以某种方式结束时才匹配URL，忽略该顺序

2 个答案: