识别url的正则表达式

Question

我想为 url 创建一个正则表达式，以便从输入字符串中获取所有链接。 正则表达式应能识别以下格式的 url 地址：

• http(s)://www.webpage.com
• http(s)://webpage.com
• www.webpage.com

还有更复杂的网址，例如： - http://www.google.pl/#sclient=psy&hl=pl&site=&source=hp&q=regex+url&pbx=1&oq=regex+url&aq=f&aqi=g1&aql=&gs_sm=e&gs_upl=1582l3020l0l3199l9l6l0l0l0l0l255l1104l0.2.3l5l0&bav=on.2,or.r_gc.r_pw.&fp=30a1604d4180f481&biw=1680&bih=935

我有以下一个

((www\.|https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\))+[\w\d:#@%/;$()~_?\+-=\\\.&]*)

但它无法识别以下模式：www.webpage.com。有人可以帮我创建一个合适的正则表达式吗？

编辑： 它应该可以找到合适的链接，并将链接放在合适的索引中，如下所示：

private readonly Regex RE_URL = new Regex(@"((https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\))+[\w\d:#@%/;$()~_?\+-=\\\.&]*)", RegexOptions.Multiline);
foreach (Match match in (RE_URL.Matches(new_text)))
            {
                // Copy raw string from the last position up to the match
                if (match.Index != last_pos)
                {
                    var raw_text = new_text.Substring(last_pos, match.Index - last_pos);
                    text_block.Inlines.Add(new Run(raw_text));
                }

                // Create a hyperlink for the match
                var link = new Hyperlink(new Run(match.Value))
                {
                    NavigateUri = new Uri(match.Value)
                };
                link.Click += OnUrlClick;

                text_block.Inlines.Add(link);

                // Update the last matched position
                last_pos = match.Index + match.Length;
            }

Answer 1

我不知道为什么你的匹配结果只有 http:// 但我稍微清理了你的正则表达式

((?:(?:https?|ftp|gopher|telnet|file|notes|ms-help):(?://|\\\\)(?:www\.)?|www\.)[\w\d:#@%/;$()~_?\+,\-=\\.&]+)

(?:) 是非捕获组，这意味着只剩下一个捕获组，其中包含完整匹配的字符串。

(?:(?:https?|ftp|gopher|telnet|file|notes|ms-help):(?://|\\\\)(?:www\.)?|www\.) 链接现在必须以第一个列表中的某些内容开头，然后是可选的www. 或www.

[\w\d:#@%/;$()~_?\+,\-=\\.&] 我在列表中添加了一个逗号（否则您的长示例不匹配）转义了-（您正在创建一个字符范围）并且未转义.（在字符类中不需要。

查看here on Regexr，这是一个测试正则表达式的有用工具。

但是网址匹配不是一件简单的事，请see this question here

Answer 2

我刚刚写了一篇关于识别最常用格式的 URL 的博文，例如：

www.google.com http://www.google.com mailto:somebody@google.com somebody@google.com www.url-with-querystring.com/?url=has-querystring

使用的正则表达式是/((([A-Za-z]{3,9}:(?:\/\/)?)(?:[-;:&=\+\$,\w]+@)?[A-Za-z0-9.-]+|(?:www.|[-;:&=\+\$,\w]+@)[A-Za-z0-9.-]+)((?:\/[\+~%\/.\w-_]*)?\??(?:[-\+=&;%@.\w_]*)#?(?:[\w]*))?)/，但我建议您访问http://blog.mattheworiordan.com/post/13174566389/url-regular-expression-for-links-with-or-without-the 以查看完整的工作示例以及正则表达式的说明，以防您需要扩展或调整它。

Answer 3

您提供的正则表达式不适用于 www。地址，因为它需要 URI scheme（URL 之前的位，如 http://）。 “万维网”。正则表达式中的一部分不起作用，因为它只会匹配 www.:// （这是没有意义的）

试试这样的：

(((https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\))+)|(www\.)[\w\d:#@%/;$()~_?\+-=\\\.&]*)

这将匹配具有有效 URI 方案的内容，或以“www”开头的内容。