Clojure Regex：给定一个字符串，如何在该字符串中返回有效的 URL？答案

【问题标题】：Clojure Regex: given a string, how can I return valid URLs in that string?Clojure Regex：给定一个字符串，如何在该字符串中返回有效的 URL？
【发布时间】：2015-03-30 22:29:22
【问题描述】：

我试图在 Clojurescript 的字符串中返回有效的 URL（作为子字符串），我可以使用什么正则表达式？

(re-find #"regex for valid URL" "You can visit www.google.com")
=> "www.google.com"
(re-find #"regex for valid URL" "<b>www.google.com</b>")
=> "www.google.com"
(re-find #"regex for valid URL" "<b>www.google.com</b> and www.yahoo.com")
=> "www.google.com, www.yahoo.com"

【问题讨论】：

你如何定义一个有效的 URL？ example.com 是有效的，a.b.c.d.e.f.example.co.uk 也是有效的。是否支持域名中的 unicode 字符？您需要对 URL 编码字符串、参数和子域的支持吗？
这不是关于 clojure、jvm 或 clojurescript 的问题。您只是要求有人为您编写正则表达式；他们甚至不确定要使用哪种正则表达式，因为您添加了多个冲突的语言标签。
@amalloy 一个正则表达式正是我想要的。
@OnlineCop 是的，我并没有说得太清楚，而且我事先没有考虑过。我想我只想到 example.com、www.example.com，但没有什么比编码字符串更高级的了。 a.b.c.d.e.f.example.co.uk 似乎也不错。我正在使用这个#"^[a-zA-Z0-9\-\.]+\.(com|org|me|io|net|co|edu|uk|ca|de|jp|fr|au|us|ru|ch|it|nl|se|no|es)$"
goog.string.linkify.findFirstUrl: github.com/google/closure-library/blob/… 鉴于您想要多个，您可能必须在循环和子字符串中调用该函数，直到找不到任何内容。

标签： regex clojure jvm clojurescript

【解决方案1】：

根据您希望脚本验证 URL 的仔细程度，您提供的正则表达式，只要您去掉 '^' 和 '$' 锚点，就可以很好地工作 (as seen here)。

请注意，我在正则表达式中添加了一些空格只是为了便于阅读。

我从该正则表达式中看到了几个问题（正如您可能在该页面上看到的那样）。它在不应该匹配的地方匹配（例如重复的.. 字符），并且带有.co.uk 的站点分别匹配.co 部分以及域名和.uk。这本身就很容易解决，只需将这些边缘情况直接添加到第二组（带有(com|org|...) 的那一组）。

您需要删除 '^' 和 '$' 锚点的原因是，只有当 URL 是行中唯一的内容时，模式才会匹配：^ 必须在行首匹配, 而$ 只能在最后匹配。拥有<b>www.google.com</b> 意味着<b> 将使^ 锚点无法匹配URL，因为它不是从行首开始的。

其他建议，例如@amalloy 的链接，提供了更全面的解决方案，并且可以正确匹配所有内容，但非常复杂。

因此，确切地知道你想要匹配什么，以及你愿意忽略/交易/放弃什么，将有助于打造适合你的东西。

【讨论】：