Javascript：从字符串（包括查询字符串）中提取 URL 并返回数组

Question

我知道这已经被问过一千次了（抱歉），但是搜索 SO/Google 等我还没有得到一个确凿的答案。

基本上，我需要一个 JS 函数，当传递一个字符串时，它会根据正则表达式识别和提取所有 URL，返回所有找到的数组。例如：

function findUrls(searchText){
    var regex=???
    result= searchText.match(regex);
    if(result){return result;}else{return false;}
}

该函数应该能够检测并返回任何潜在的 url。我知道与此相关的固有困难/问题（右括号等），所以我觉得这个过程需要：

将字符串 (searchText) 拆分为不同的部分（开始/结束），其中任何内容都没有、空格或回车符，从而产生不同的内容块，例如进行拆分。

对于拆分产生的每个内容块，查看它是否符合任何构造 URL 的逻辑，即它是否包含紧跟文本的句点（限定潜在 URL 的一个不变规则）。

正则表达式应查看句点后是否紧跟其他文本，其类型为 tld、目录结构和查询字符串所允许的类型，并且前面是否为 URL 所允许类型的文本。

我知道可能会导致误报，但是随后将通过调用 URL 本身来检查任何返回的值，因此可以忽略这一点。我发现的其他函数通常也不返回 URL 查询字符串（如果存在）。

因此，该函数应该能够从文本块返回任何类型的 URL，即使这意味着将 will.i.am 识别为有效的 URL！

例如。 http://www.google.com, google.com, www.google.com, http://google.com, ftp.google.com、https:// 等...及其任何带有查询字符串的派生词 应该退货...

非常感谢，如果这在 SO 的其他地方存在，但我的搜索没有返回它，再次道歉..

Answer 1

我只使用 URI.js——让它变得简单。

var source = "Hello www.example.com,\n"
    + "http://google.com is a search engine, like http://www.bing.com\n"
    + "http://exämple.org/foo.html?baz=la#bumm is an IDN URL,\n"
    + "http://123.123.123.123/foo.html is IPv4 and "
    + "http://fe80:0000:0000:0000:0204:61ff:fe9d:f156/foobar.html is IPv6.\n"
    + "links can also be in parens (http://example.org) "
    + "or quotes »http://example.org«.";

var result = URI.withinString(source, function(url) {
    return "<a>" + url + "</a>";
});

/* result is:
Hello <a>www.example.com</a>,
<a>http://google.com</a> is a search engine, like <a>http://www.bing.com</a>
<a>http://exämple.org/foo.html?baz=la#bumm</a> is an IDN URL,
<a>http://123.123.123.123/foo.html</a> is IPv4 and <a>http://fe80:0000:0000:0000:0204:61ff:fe9d:f156/foobar.html</a> is IPv6.
links can also be in parens (<a>http://example.org</a>) or quotes »<a>http://example.org</a>«.
*/

• https://github.com/medialize/URI.js
• http://medialize.github.io/URI.js/

Answer 2

您可以使用来自URI.js 的正则表达式：

// gruber revised expression - http://rodneyrehm.de/t/url-regex.html
var uri_pattern = /\b((?:[a-z][\w-]+:(?:\/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}\/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’]))/ig;

String#match 和或String#replace 可能会有所帮助……

Answer 3

按照正则表达式从字符串（包括查询字符串）中提取 URL 并返回数组

var url = "asdasdla hakjsdh aaskjdh https://www.google.com/search?q=add+a+element+to+dom+tree&oq=add+a+element+to+dom+tree&aqs=chrome..69i57.7462j1j1&sourceid=chrome&ie=UTF-8 askndajk nakjsdn aksjdnakjsdnkjsn";

var matches = strings.match(/\bhttps?::\/\/\S+/gi) || strings.match(/\bhttps?:\/\/\S+/gi);

输出：

["https://www.google.com/search?q=format+to+6+digir&…s=chrome..69i57.5983j1j1&sourceid=chrome&ie=UTF-8"]

注意： 这可以处理带有单冒号的 http:// 和带有双冒号的 http::// 字符串，反之亦然，因此您可以安全使用。 :)

Answer 4

试试这个

var expression = /[-a-zA-Z0-9@:%_\+.~#?&//=]{2,256}\.[a-z]{2,4}\b(\/[-a-zA-Z0-9@:%_\+.~#?&//=]*)?/gi;

你可以使用这个网站来测试正则表达式http://gskinner.com/RegExr/

Answer 5

在 UIPath Studio 中定义了以下内置正则表达式规则：

/(?:(?:https?|ftp|file):\/\/|www\.|ftp\.)(?:\([-a-zA-Z0-9+&@#\/%=~_|$?!:,.]*\)|[-a-zA-Z0-9+&@#\/%=~_|$?!:,.])*(?:\([-a-zA-Z0-9+&@#\/%=~_|$?!:,.]*\)|[a-zA-Z0-9+&@#\/%=~_|$])/