带有 URL 的 C# 正则表达式错误答案

【问题标题】：C# Regex bug with URL带有 URL 的 C# 正则表达式错误
【发布时间】：2013-10-27 17:07:10
【问题描述】：

我正在解析一个 URL 文件以获取主机和 URI 部分，但是当 URL 没有以斜杠结尾时会出现错误。

C#代码：

var URL = Regex.Match(link, @"(?:.*?//)?(.*?)(/.*)", RegexOptions.IgnoreCase);

输入：

//cdn.sstatic.net/stackoverflow/img/favicon.ico
/opensearch.xml
http://stackoverflow.com/
http://careers.stackoverflow.com

输出：

//cdn.sstatic.net/stackoverflow/img/favicon.ico has 2 groups:
    cdn.sstatic.net
    /stackoverflow/img/favicon.ico

/opensearch.xml has 2 groups:

    /opensearch.xml

http://stackoverflow.com/ has 2 groups:
    stackoverflow.com
    /
http://careers.stackoverflow.com has 2 groups:
    http:
    //careers.stackoverflow.com

输出中的每个 URL 都有效，例如：http://careers.stackoverflow.com。如何检查可变部分，例如“如果有斜线，请停止第一个或抓住一切”。

【问题讨论】：

标签： c# regex parsing url

【解决方案1】：

将|$ 添加到您的最后一个组，以匹配该文本或匹配表达式的结尾。

这适用于您的输入：

var links = new[]
    {
        "//cdn.sstatic.net/stackoverflow/img/favicon.ico",
        "/opensearch.xml",
        "http://stackoverflow.com/",
        "http://careers.stackoverflow.com"
    };

foreach (string link in links)
{
    var u = Regex.Match(link, @"(?:.*?//)?(.*?)(/.*|$)", RegexOptions.IgnoreCase);
    Console.WriteLine(link);
    Console.WriteLine("    " + u.Groups[1]);
    Console.WriteLine("    " + u.Groups[2]);
    Console.WriteLine();
}

输出：

//cdn.sstatic.net/stackoverflow/img/favicon.ico
    cdn.sstatic.net
    /stackoverflow/img/favicon.ico

/opensearch.xml

    /opensearch.xml

http://stackoverflow.com/
    stackoverflow.com
    /

http://careers.stackoverflow.com
    careers.stackoverflow.com

【讨论】：

【解决方案2】：

只是另一种选择

/(?:.+\/\/|\/\/)?([^\/]*)(\/.+)?/

【讨论】：

【解决方案3】：

你应该使用Uri 类是正确的，但如果你坚持使用Regex，请尝试使用这样的零宽度肯定前瞻断言：

var URL = Regex.Match(link, @"(?:.*?//)?(.*?(?=/|$))(/.*)", RegexOptions.IgnoreCase);

【讨论】：

Uri 类不起作用。这些不是有效的 Uris。生成“System.UriFormatException：无效的 URI：无法确定 URI 的格式。”
正则表达式也不起作用。仍然为第 1 组生成 http:，为第 2 组生成 //careers.stackoverflow.com。