我正在使用正则表达式将纯文本 URL 转换为可点击的链接。
@(https?://([-\w\.]+)+(:\d+)?(/([\w/_\.-]*(\?\S+)?)?)?)@
但是，有时在文本正文中，URL 每行枚举一个，末尾有一个分号。真实网址不包含任何“;”。
http://www.aaa.org/pressdetail.asp?PRESS_REL_ID=275;
http://www.aaa.org/pressdetail.asp?PRESS_REL_ID=123;
http://www.aaa.org/pressdetail.asp?PRESS_REL_ID=124
是否允许在 URL 中使用分号 (;) 或者分号是否可以视为 URL 结尾的标记？这如何适合我的正则表达式？
【问题讨论】：
一个semicolon is reserved 并且只能用于其特殊目的（取决于方案）。
第 2.2 节：
许多 URL 方案保留某些 具有特殊含义的字符： 他们出现在 URL 中特定于方案的部分有一个 指定的语义。如果性格 对应于一个八位字节是 在方案中保留，八位字节必须 被编码。那些角色 ”;”， “/”、“?”、“:”、“@”、“=”和“&”是 可能的字符 为特定含义而保留 方案。不能有其他字符 在一个方案中保留。
【讨论】：
W3C 鼓励 CGI 程序接受；以及查询字符串中的 & （即以相同方式处理 ?name=fred&age=50 和 ?name=fred;age=50）。这应该是因为 & 必须被编码为 &在 HTML 中，而 ;没有。
【讨论】：
分号是合法的URI字符；它属于子分隔符类别：http://www.ietf.org/rfc/rfc3986.txt
然而，规范声明半色对于 特定 URI 是否合法取决于该 URI 的方案或生产者。因此，如果使用这些链接的网站不允许使用分号，那么它们在特定情况下无效。
【讨论】：
从技术上讲，分号是 URL 字符串中的合法子分隔符；上面引用了大量源材料，包括http://www.ietf.org/rfc/rfc3986.txt。
有些人确实将它用于合法目的，尽管它的使用可能是特定于站点的（即，仅用于该站点），因为它的用途必须由使用它的站点来定义。
然而，在现实世界中，URL 中分号的主要用途是将病毒或网络钓鱼 URL 隐藏在合法 URL 后面。
例如，向某人发送带有此链接的电子邮件：
http://www.yahoo.com/junk/nonsense;0200.0xfe.0x37.0xbf/malicious_file/
将导致 Yahoo!链接（www.yahoo.com/junk/nonsense）被忽略，因为即使它是合法的（即格式正确），也不存在这样的页面。但是第二个链接（0200.0xfe.0x37.0xbf/malicious_file/）可能存在*，用户将被引导到恶意文件页面；然后，一个公司的 IT 经理会收到一份报告，而且很可能会收到一张粉单。
在所有反对者发脾气之前，这正是新的 Facebook 网络钓鱼问题的工作原理。为了像往常一样保护有罪的人，名字已经改变了。
*据我所知，实际上不存在这样的页面。显示的链接仅用于本次讨论。
【讨论】：
0200.0xfe.0x37.0xbf，因为它知道雅虎链接会返回 404 状态？！对我来说没有意义。
http://www.ietf.org/rfc/rfc3986.txt 涵盖 URL 以及哪些字符可能以未编码的形式出现。鉴于包含分号的 URL 在浏览器中正常工作，您的代码应该支持它们。
【讨论】：
是的，分号在 URL 中有效。但是，如果您从相对非结构化的散文中提取它们，则可以安全地假设 URL 的 end 处的分号表示句子标点符号。句号、问号、引号等其他句子标点符号也是如此。
如果您只对具有显式 http[s] 协议的 URL 感兴趣，并且您的正则表达式支持后向搜索，那么这个正则表达式就足够了：
https?://[\w!#$%&'()*+,./:;=?@\[\]-]+(?<![!,.?;:"'()-])
在协议之后，它只是匹配一个或多个在 URL 中可能有效的字符，根本不用担心结构。但随后它会根据需要退回尽可能多的位置，直到最后一个字符不是句子标点符号。
【讨论】：
引用 RFC 对回答这个问题并没有太大帮助，因为您会遇到带有分号（以及与此相关的逗号）的 URL。我们有一个不处理分号和逗号的正则表达式，我们在 NutshellMail 的一些用户抱怨说，因为包含它们的 URL 实际上存在于野外。尝试在 Facebook 或 Twitter 中构建一个包含“;”的虚拟 URL或“,”，您会看到这两个服务正确地编码了完整的 URL。
我用以下模式替换了我们正在使用的正则表达式（并测试了它是否有效）：
string regex = @"((www\.|(http|https|ftp|news|file)+\:\/\/)[_.a-zA-Z0-9-]+\.[a-zA-Z0-9\/_:@=.+?,##%&~_-]*[^.|\'|\# |!|\(|?|,| |>|<|;|\)])";
这个正则表达式来自http://rickyrosario.com/blog/converting-a-url-into-a-link-in-csharp-using-regular-expressions/（稍作修改）
【讨论】：