Wyrażenie regularne do wyszukiwania adresów URL w ciągu znaków

Question 1

Czy ktoś zna wyrażenie regularne, którego mógłbym użyć do znalezienia adresów URL w ciągu znaków? Znalazłem w Google wiele wyrażeń regularnych do określania, czy cały ciąg jest adresem URL, ale muszę mieć możliwość przeszukiwania całego ciągu w poszukiwaniu adresów URL. Na przykład chciałbym móc znaleźć www.google.comi http://yahoo.comw następującym ciągu:

Hello www.google.com World http://yahoo.com

Nie szukam konkretnych adresów URL w ciągu. Szukam WSZYSTKICH adresów URL w ciągu, dlatego potrzebuję wyrażenia regularnego.

Question 2

To jest ten, którego używam

(http|ftp|https)://([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?

U mnie działa, u ciebie też powinno działać.

Question 3

Chyba żadne wyrażenie regularne nie jest idealne do tego zastosowania. Znalazłem całkiem solidne jeden tutaj

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

Niektóre różnice / zalety w porównaniu z innymi zamieszczonymi tutaj:

To nie nie pasuje do adresów e-mail
Pasuje do localhost: 12345
Nie wykryje czegoś takiego jak moo.combez httplubwww

Zobacz tutaj przykłady

Question 4

text = """The link of this question: /programming/6038061/regular-expression-to-find-urls-within-a-string
Also there are some urls: www.google.com, facebook.com, http://test.com/method?param=wasd
The code below catches all urls in text and returns urls in list."""

urls = re.findall('(?:(?:https?|ftp):\/\/)?[\w/\-?=%.]+\.[\w/\-?=%.]+', text)
print(urls)

Wynik:

[
    '/programming/6038061/regular-expression-to-find-urls-within-a-string', 
    'www.google.com', 
    'facebook.com',
    'http://test.com/method?param=wasd'
]

Question 5

Żadne z przedstawionych tutaj rozwiązań nie rozwiązało problemów / przypadków użycia, które miałem.

To, co tu podałem, jest najlepsze, jakie do tej pory znalazłem / wykonałem. Zaktualizuję go, gdy znajdę nowe przypadki skrajne, z którymi nie radzi sobie.

\b
  #Word cannot begin with special characters
  (?<![@.,%&#-])
  #Protocols are optional, but take them with us if they are present
  (?<protocol>\w{2,10}:\/\/)?
  #Domains have to be of a length of 1 chars or greater
  ((?:\w|\&\#\d{1,5};)[.-]?)+
  #The domain ending has to be between 2 to 15 characters
  (\.([a-z]{2,15})
       #If no domain ending we want a port, only if a protocol is specified
       |(?(protocol)(?:\:\d{1,6})|(?!)))
\b
#Word cannot end with @ (made to catch emails)
(?![@])
#We accept any number of slugs, given we have a char after the slash
(\/)?
#If we have endings like ?=fds include the ending
(?:([\w\d\?\-=#:%@&.;])+(?:\/(?:([\w\d\?\-=#:%@&;.])+))*)?
#The last char cannot be one of these symbols .,?!,- exclude these
(?<![.,?!-])

Question 6

Myślę, że ten wzorzec regex obsługuje dokładnie to, co chcesz

/(http|https|ftp|ftps)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/

a to jest przykład fragmentu kodu do wyodrębniania adresów URL:

// The Regular Expression filter
$reg_exUrl = "/(http|https|ftp|ftps)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/";

// The Text you want to filter for urls
$text = "The text you want  /programming/6038061/regular-expression-to-find-urls-within-a-string to filter goes here.";

// Check if there is a url in the text
preg_match_all($reg_exUrl, $text, $url,$matches);
var_dump($matches);

Question 7

Wszystkie powyższe odpowiedzi nie są zgodne ze znakami Unicode w adresie URL, na przykład: http://google.com?query=đức+filan+đã+search

Aby rozwiązać ten problem, powinien zadziałać:

(ftp:\/\/|www\.|https?:\/\/){1}[a-zA-Z0-9u00a1-\uffff0-]{2,}\.[a-zA-Z0-9u00a1-\uffff0-]{2,}(\S*)

Question 8

Jeśli musisz być rygorystyczny w wyborze linków, wybrałbym:

(?i)\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`!()\[\]{};:'".,<>?«»“”‘’]))

Aby uzyskać więcej informacji, przeczytaj to:

Ulepszony liberalny, dokładny wzorzec Regex dla dopasowanych adresów URL

Question 9

Znalazłem to, które obejmuje większość przykładowych linków, w tym części podkatalogów.

Regex to:

(?:(?:https?|ftp):\/\/|\b(?:[a-z\d]+\.))(?:(?:[^\s()<>]+|\((?:[^\s()<>]+|(?:\([^\s()<>]+\)))?\))+(?:\((?:[^\s()<>]+|(?:\(?:[^\s()<>]+\)))?\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’]))?

Question 10

Jeśli masz wzorzec adresu URL, powinieneś być w stanie wyszukać go w swoim ciągu. Po prostu upewnij się, że wzorzec nie ma ^i $oznacza początek i koniec ciągu adresu URL. Jeśli więc P jest wzorcem adresu URL, poszukaj dopasowań dla P.

Question 11

Użyłem poniżej wyrażenia regularnego, aby znaleźć adres URL w ciągu:

/(http|https)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/

Question 12

Tutaj trochę bardziej zoptymalizowane wyrażenie regularne:

(?:(?:(https?|ftp|file):\/\/|www\.|ftp\.)|([\w\-_]+(?:\.|\s*\[dot\]\s*[A-Z\-_]+)+))([A-Z\-\.,@?^=%&amp;:\/~\+#]*[A-Z\-\@?^=%&amp;\/~\+#]){2,6}?

Oto test z danymi: https://regex101.com/r/sFzzpY/6

Question 13

Krótkie i proste. Nie testowałem jeszcze w kodzie javascript, ale wygląda na to, że zadziała:

((http|ftp|https):\/\/)?(([\w.-]*)\.([\w]*))

Kod na regex101.com

Question 14

Używam tego Regex:

/((\w+:\/\/\S+)|(\w+[\.:]\w+\S+))[^\s,\.]/ig

Działa dobrze w przypadku wielu adresów URL, takich jak: http://google.com , https://dev-site.io:8080/home?val=1&count=100 , www.regexr.com, localhost: 8080 / path,. ..

Question 15

Jest to niewielka poprawa / dostosowanie (w zależności od potrzeb) odpowiedzi Rajeeva:

([\w\-_]+(?:(?:\.|\s*\[dot\]\s*[A-Z\-_]+)+))([A-Z\-\.,@?^=%&amp;:/~\+#]*[A-Z\-\@?^=%&amp;/~\+#]){2,6}?

Zobacz tutaj przykład tego, co robi, a czego nie.

Pozbyłem się czeku na „http” itp., Ponieważ chciałem przechwycić adresy URL bez tego. Dodałem nieznacznie do wyrażenia regularnego, aby złapać jakieś zaciemnione adresy URL (np. Gdy użytkownik używa [kropki] zamiast „.”). W końcu zastąpiłem „\ w” „AZ” na i „{2,3}”, aby zredukować fałszywe alarmy, takie jak v2.0 i „moo.0dd”.

Wszelkie ulepszenia tego powitania.

Question 16

Prawdopodobnie zbyt uproszczona, ale działająca metoda to:

[localhost|http|https|ftp|file]+://[\w\S(\.|:|/)]+

Przetestowałem to w Pythonie i tak długo, jak analiza ciągu zawiera spację przed i po oraz nie ma w adresie URL (czego nigdy wcześniej nie widziałem), powinno być dobrze.

Oto ide online, który to demonstruje

Jednak oto kilka korzyści z jej używania:

Rozpoznaje, file:a localhosttakże adresy IP
Bez nich nigdy się nie uda
Nie ma nic przeciwko nietypowym znakom, takim jak #lub -(patrz adres URL tego postu)

Question 17

Użycie wyrażenia regularnego dostarczonego przez @JustinLevene nie miało odpowiednich sekwencji ucieczki w ukośnikach. Zaktualizowany, aby teraz był poprawny i dodany w stanie zgodnym również z protokołem FTP: będzie pasować do wszystkich adresów URL z protokołami lub bez nich oraz bez „www”.

Kod: ^((http|ftp|https):\/\/)?([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:\/~+#-]*[\w@?^=%&\/~+#-])?

Przykład: https://regex101.com/r/uQ9aL4/65

Question 18

ULEPSZONY

Wykrywa takie adresy URL:

https://www.example.pl
http://www.example.com
www.example.pl
example.com
http://blog.example.com
http://www.example.com/product
http://www.example.com/products?id=1&page=2
http: //www.example.com#up
http://255.255.255.255
255.255.255.255
http: // www.site.com:8008

Regex:

/^(?:http(s)?:\/\/)?[\w.-]+(?:\.[\w\.-]+)+[\w\-\._~:/?#[\]@!\$&'\(\)\*\+,;=.]+$/gm

Question 19

Napisałem jeden sam:

let regex = /([\w+]+\:\/\/)?([\w\d-]+\.)*[\w-]+[\.\:]\w+([\/\?\=\&\#]?[\w-]+)*\/?/gm

Działa na WSZYSTKICH następujących domenach:

https://www.facebook.com
https://app-1.number123.com
http://facebook.com
ftp://facebook.com
http://localhost:3000
localhost:3000/
unitedkingdomurl.co.uk
this.is.a.url.com/its/still=going?wow
shop.facebook.org
app.number123.com
app1.number123.com
app-1.numbEr123.com
app.dashes-dash.com
www.facebook.com
facebook.com
fb.com/hello_123
fb.com/hel-lo
fb.com/hello/goodbye
fb.com/hello/goodbye?okay
fb.com/hello/goodbye?okay=alright
Hello www.google.com World http://yahoo.com
https://www.google.com.tr/admin/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
https://google.com.tr/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
http://google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
ftp://google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
www.google.com.tr/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
www.google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
drive.google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
https://www.example.pl
http://www.example.com
www.example.pl
example.com
http://blog.example.com
http://www.example.com/product
http://www.example.com/products?id=1&page=2
http://www.example.com#up
http://255.255.255.255
255.255.255.255

Możesz zobaczyć, jak to działa tutaj w regex101 i dostosować w razie potrzeby

Question 20

Używam logiki znajdowania tekstu między dwiema kropkami lub kropkami

poniższe wyrażenie regularne działa dobrze z Pythonem

(?<=\.)[^}]*(?=\.)

Question 21

Dopasowanie adresu URL w tekście nie powinno być tak skomplikowane

(?:(?:(?:ftp|http)[s]*:\/\/|www\.)[^\.]+\.[^ \n]+)

https://regex101.com/r/wewpP1/2

Question 22

Użyłem tego

^(https?:\\/\\/([a-zA-z0-9]+)(\\.[a-zA-z0-9]+)(\\.[a-zA-z0-9\\/\\=\\-\\_\\?]+)?)$

Question 23

(?:vnc|s3|ssh|scp|sftp|ftp|http|https)\:\/\/[\w\.]+(?:\:?\d{0,5})|(?:mailto|)\:[\w\.]+\@[\w\.]+

Jeśli chcesz wyjaśnić każdą część, wypróbuj regexr [.] Com, gdzie uzyskasz świetne wyjaśnienie każdej postaci.

Jest to podzielone znakiem „|” lub „LUB”, ponieważ nie wszystkie przydatne identyfikatory URI mają „//”, więc w tym miejscu możesz utworzyć listę schematów jako lub warunków, które chciałbyś dopasować.

Question 24

Użyłem klasy C # Uri i działa dobrze z adresem IP, localhost

 public static bool CheckURLIsValid(string url)
    {
        Uri returnURL;

       return (Uri.TryCreate(url, UriKind.Absolute, out returnURL)
           && (returnURL.Scheme == Uri.UriSchemeHttp || returnURL.Scheme == Uri.UriSchemeHttps));


    }

Question 25

Podobało mi się rozwiązanie Stefana Henze, ale przyniosło 34,56. Jest zbyt ogólny i mam nieprzetworzony html. Istnieją 4 kotwice dla adresu URL;

www,

http: \ (i co),

. po którym następują litery, a następnie /,

lub litery. i jeden z nich: https://ftp.isc.org/www/survey/reports/current/bynum.txt .

Wykorzystałem wiele informacji z tego wątku. Dziękuję wam wszystkim.

"(((((http|ftp|https|gopher|telnet|file|localhost):\\/\\/)|(www\\.)|(xn--)){1}([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(([\\w_-]{2,200}(?:(?:\\.[\\w_-]+)*))((\\.[\\w_-]+\\/([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(\\.((org|com|net|edu|gov|mil|int|arpa|biz|info|unknown|one|ninja|network|host|coop|tech)|(jp|br|it|cn|mx|ar|nl|pl|ru|tr|tw|za|be|uk|eg|es|fi|pt|th|nz|cz|hu|gr|dk|il|sg|uy|lt|ua|ie|ir|ve|kz|ec|rs|sk|py|bg|hk|eu|ee|md|is|my|lv|gt|pk|ni|by|ae|kr|su|vn|cy|am|ke))))))(?!(((ttp|tp|ttps):\\/\\/)|(ww\\.)|(n--)))"

Powyższe rozwiązuje prawie wszystko z wyjątkiem ciągu znaków, takich jak „eurls: www.google.com, facebook.com, http: //test.com/”, który zwraca jako pojedynczy ciąg. Tbh idk, dlaczego dodałem gopher itp. Sprawdzaj kod R.

if(T){
  wierdurl<-vector()
  wierdurl[1]<-"https://JP納豆.例.jp/dir1/納豆 "
  wierdurl[2]<-"xn--jp-cd2fp15c.xn--fsq.jp "
  wierdurl[3]<-"http://52.221.161.242/2018/11/23/biofourmis-collab"
  wierdurl[4]<-"https://12000.org/ "
  wierdurl[5]<-"  https://vg-1.com/?page_id=1002 "
  wierdurl[6]<-"https://3dnews.ru/822878"
  wierdurl[7]<-"The link of this question: /programming/6038061/regular-expression-to-find-urls-within-a-string
  Also there are some urls: www.google.com, facebook.com, http://test.com/method?param=wasd
  The code below catches all urls in text and returns urls in list. "
  wierdurl[8]<-"Thelinkofthisquestion:/programming/6038061/regular-expression-to-find-urls-within-a-string
  Alsotherearesomeurls:www.google.com,facebook.com,http://test.com/method?param=wasd
  Thecodebelowcatchesallurlsintextandreturnsurlsinlist. "
  wierdurl[9]<-"Thelinkofthisquestion:/programming/6038061/regular-expression-to-find-urls-within-a-stringAlsotherearesomeurlsZwww.google.com,facebook.com,http://test.com/method?param=wasdThecodebelowcatchesallurlsintextandreturnsurlsinlist."
  wierdurl[10]<-"1facebook.com/1res"
  wierdurl[11]<-"1facebook.com/1res/wat.txt"
  wierdurl[12]<-"www.e "
  wierdurl[13]<-"is this the file.txt i need"
  wierdurl[14]<-"xn--jp-cd2fp15c.xn--fsq.jpinspiredby "
  wierdurl[15]<-"[xn--jp-cd2fp15c.xn--fsq.jp/inspiredby "
  wierdurl[16]<-"xnto--jpto-cd2fp15c.xnto--fsq.jpinspiredby "
  wierdurl[17]<-"fsety--fwdvg-gertu56.ffuoiw--ffwsx.3dinspiredby "
  wierdurl[18]<-"://3dnews.ru/822878 "
  wierdurl[19]<-" http://mywebsite.com/msn.co.uk "
  wierdurl[20]<-" 2.0http://www.abe.hip "
  wierdurl[21]<-"www.abe.hip"
  wierdurl[22]<-"hardware/software/data"
  regexstring<-vector()
  regexstring[2]<-"(http|ftp|https)://([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?"
  regexstring[3]<-"/(?:(?:https?|ftp|file):\\/\\/|www\\.|ftp\\.)(?:\\([-A-Z0-9+&@#\\/%=~_|$?!:,.]*\\)|[-A-Z0-9+&@#\\/%=~_|$?!:,.])*(?:\\([-A-Z0-9+&@#\\/%=~_|$?!:,.]*\\)|[A-Z0-9+&@#\\/%=~_|$])/igm"
  regexstring[4]<-"[a-zA-Z0-9\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF]?"
  regexstring[5]<-"((http|ftp|https)\\:\\/\\/)?([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?"
  regexstring[6]<-"((http|ftp|https):\\/\\/)?([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?"
  regexstring[7]<-"(http|ftp|https)(:\\/\\/)([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?"
  regexstring[8]<-"(?:(?:https?|ftp|file):\\/\\/|www\\.|ftp\\.)(?:\\([-A-Z0-9+&@#/%=~_|$?!:,.]*\\)|[-A-Z0-9+&@#/%=~_|$?!:,.])*(?:\\([-A-Z0-9+&@#/%=~_|$?!:,.]*\\)|[A-Z0-9+&@#/%=~_|$])"
  regexstring[10]<-"((http[s]?|ftp):\\/)?\\/?([^:\\/\\s]+)((\\/\\w+)*\\/)([\\w\\-\\.]+[^#?\\s]+)(.*)?(#[\\w\\-]+)?"
  regexstring[12]<-"http[s:/]+[[:alnum:]./]+"
  regexstring[9]<-"http[s:/]+[[:alnum:]./]+" #in DLpages 230
  regexstring[1]<-"[[:alnum:]-]+?[.][:alnum:]+?(?=[/ :])" #in link_graphs 50
  regexstring[13]<-"^(?!mailto:)(?:(?:http|https|ftp)://)(?:\\S+(?::\\S*)?@)?(?:(?:(?:[1-9]\\d?|1\\d\\d|2[01]\\d|22[0-3])(?:\\.(?:1?\\d{1,2}|2[0-4]\\d|25[0-5])){2}(?:\\.(?:[0-9]\\d?|1\\d\\d|2[0-4]\\d|25[0-4]))|(?:(?:[a-z\\u00a1-\\uffff0-9]+-?)*[a-z\\u00a1-\\uffff0-9]+)(?:\\.(?:[a-z\\u00a1-\\uffff0-9]+-?)*[a-z\\u00a1-\\uffff0-9]+)*(?:\\.(?:[a-z\\u00a1-\\uffff]{2,})))|localhost)(?::\\d{2,5})?(?:(/|\\?|#)[^\\s]*)?$"
  regexstring[14]<-"(((((http|ftp|https):\\/\\/)|(www\\.)|(xn--)){1}([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(([\\w_-]+(?:(?:\\.[\\w_-]+)*))((\\.((org|com|net|edu|gov|mil|int)|(([:alpha:]{2})(?=[, ]))))|([\\/]([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?))))(?!(((ttp|tp|ttps):\\/\\/)|(ww\\.)|(n--)))"
  regexstring[15]<-"(((((http|ftp|https|gopher|telnet|file|localhost):\\/\\/)|(www\\.)|(xn--)){1}([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(([\\w_-]{2,200}(?:(?:\\.[\\w_-]+)*))((\\.[\\w_-]+\\/([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(\\.((org|com|net|edu|gov|mil|int|arpa|biz|info|unknown|one|ninja|network|host|coop|tech)|(jp|br|it|cn|mx|ar|nl|pl|ru|tr|tw|za|be|uk|eg|es|fi|pt|th|nz|cz|hu|gr|dk|il|sg|uy|lt|ua|ie|ir|ve|kz|ec|rs|sk|py|bg|hk|eu|ee|md|is|my|lv|gt|pk|ni|by|ae|kr|su|vn|cy|am|ke))))))(?!(((ttp|tp|ttps):\\/\\/)|(ww\\.)|(n--)))"
    }

for(i in wierdurl){#c(7,22)
  for(c in regexstring[c(15)]) {
    print(paste(i,which(regexstring==c)))
    print(str_extract_all(i,c))
  }
}

Question 26

To jest najlepsza.

NSString *urlRegex="(http|ftp|https|www|gopher|telnet|file)(://|.)([\\w_-]+(?:(?:\\.[\\w_-]+)‌+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?";

Question 27

To jest najprostsze. które działają dla mnie dobrze.

%(http|ftp|https|www)(://|\.)[A-Za-z0-9-_\.]*(\.)[a-z]*%

Question 28

To jest po prostu proste.

Użyj tego wzoru: \b((ftp|https?)://)?([\w-\.]+\.(com|net|org|gov|mil|int|edu|info|me)|(\d+\.\d+\.\d+\.\d+))(:\d+)?(\/[\w-\/]*(\?\w*(=\w+)*[&\w-=]*)*(#[\w-]+)*)?

Pasuje do każdego linku zawierającego:

Dozwolone protokoły: http, https i ftp

Dozwolone domeny: * .com, * .net, * .org, * .gov, * .mil, * .int, * .edu, * .info i * .me LUB IP

Dozwolone porty: prawda

Dozwolone parametry: prawda

Dozwolone skróty: prawda

Answer 1

Czy ktoś zna wyrażenie regularne, którego mógłbym użyć do znalezienia adresów URL w ciągu znaków? Znalazłem w Google wiele wyrażeń regularnych do określania, czy cały ciąg jest adresem URL, ale muszę mieć możliwość przeszukiwania całego ciągu w poszukiwaniu adresów URL. Na przykład chciałbym móc znaleźć www.google.comi http://yahoo.comw następującym ciągu:

Hello www.google.com World http://yahoo.com

Nie szukam konkretnych adresów URL w ciągu. Szukam WSZYSTKICH adresów URL w ciągu, dlatego potrzebuję wyrażenia regularnego.

Answer 2

Jeśli masz wyrażenia dla całego ciągu, po prostu wyjmij ^ i $, aby dopasować je do części ciągu.

entonio

Answer 3

206

To jest ten, którego używam

(http|ftp|https)://([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?

U mnie działa, u ciebie też powinno działać.

Rajeev
źródło

7

Nie zapomnij uciec przed ukośnikami.

Mark

1

Jest rok 2017, a nazwy domen Unicode są wszędzie. \wmoże nie odpowiadać symboli międzynarodowych (w zależności od silnika regex), zakres konieczna jest zamiast: a-zA-Z0-9\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF.

Michael Antipin

3

Jest to dobre do ogólnego celu, ale jest wiele przypadków, w których to nie łapie. Wymusza to, aby linki były poprzedzone protokołem. Jeśli zdecydujesz się zignorować protokoły, zakończenia e-maili są akceptowane, tak jak ma to miejsce w przypadku [email protected].

Squazz

4

nie powinno [\w_-]być [\w-]? ponieważ już \wpasuje _. per mozilla docs

transang

2

Głosowano za, ale ta odpowiedź nie działa zgodnie z pytaniem www.yahoo.com.

"""(http|ftp|https)://([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?""".r.findAllIn("www.google.com").toList

. TAKŻE BRAKUJE WYJAŚNIENIA odpowiedzi

prayagupd

Answer 4

7

Nie zapomnij uciec przed ukośnikami.

Mark

Answer 5

1

Jest rok 2017, a nazwy domen Unicode są wszędzie. \wmoże nie odpowiadać symboli międzynarodowych (w zależności od silnika regex), zakres konieczna jest zamiast: a-zA-Z0-9\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF.

Michael Antipin

Answer 6

3

Jest to dobre do ogólnego celu, ale jest wiele przypadków, w których to nie łapie. Wymusza to, aby linki były poprzedzone protokołem. Jeśli zdecydujesz się zignorować protokoły, zakończenia e-maili są akceptowane, tak jak ma to miejsce w przypadku [email protected].

Squazz

Answer 7

4

nie powinno [\w_-]być [\w-]? ponieważ już \wpasuje _. per mozilla docs

transang

Answer 8

2

Głosowano za, ale ta odpowiedź nie działa zgodnie z pytaniem www.yahoo.com.

"""(http|ftp|https)://([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?""".r.findAllIn("www.google.com").toList

. TAKŻE BRAKUJE WYJAŚNIENIA odpowiedzi

prayagupd

Answer 9

45

Chyba żadne wyrażenie regularne nie jest idealne do tego zastosowania. Znalazłem całkiem solidne jeden tutaj

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

Niektóre różnice / zalety w porównaniu z innymi zamieszczonymi tutaj:

To nie nie pasuje do adresów e-mail
Pasuje do localhost: 12345
Nie wykryje czegoś takiego jak moo.combez httplubwww

Zobacz tutaj przykłady

Stefan Henze
źródło

4

pasuje do www.e To nie jest prawidłowy adres URL

Ihor Herasymchuk

Ta gopcja nie jest prawidłowa we wszystkich implementacjach wyrażeń regularnych (np. We wbudowanej implementacji Rubiego).

Huliax

Answer 10

4

pasuje do www.e To nie jest prawidłowy adres URL

Ihor Herasymchuk

Answer 11

Ta gopcja nie jest prawidłowa we wszystkich implementacjach wyrażeń regularnych (np. We wbudowanej implementacji Rubiego).

Huliax

Answer 12

23

text = """The link of this question: /programming/6038061/regular-expression-to-find-urls-within-a-string
Also there are some urls: www.google.com, facebook.com, http://test.com/method?param=wasd
The code below catches all urls in text and returns urls in list."""

urls = re.findall('(?:(?:https?|ftp):\/\/)?[\w/\-?=%.]+\.[\w/\-?=%.]+', text)
print(urls)

Wynik:

[
    '/programming/6038061/regular-expression-to-find-urls-within-a-string', 
    'www.google.com', 
    'facebook.com',
    'http://test.com/method?param=wasd'
]

GooDeeJaY
źródło

Kotlin val urlRegex = "(? :( ?: https? | Ftp): \\ / \\ /)? [\\ w / \\ -? =%.] + \\. [\\ w / \\ - ? =%.] + "

Akshay Nandwana

Brak &parametrów w adresie URL. np. http://test.com/method?param=wasd&param2=wasd2brakuje param2

TrophyGeek

Answer 13

Kotlin val urlRegex = "(? :( ?: https? | Ftp): \\ / \\ /)? [\\ w / \\ -? =%.] + \\. [\\ w / \\ - ? =%.] + "

Akshay Nandwana

Answer 14

Brak &parametrów w adresie URL. np. http://test.com/method?param=wasd&param2=wasd2brakuje param2

TrophyGeek

Answer 15

Żadne z przedstawionych tutaj rozwiązań nie rozwiązało problemów / przypadków użycia, które miałem.

To, co tu podałem, jest najlepsze, jakie do tej pory znalazłem / wykonałem. Zaktualizuję go, gdy znajdę nowe przypadki skrajne, z którymi nie radzi sobie.

\b
  #Word cannot begin with special characters
  (?<![@.,%&#-])
  #Protocols are optional, but take them with us if they are present
  (?<protocol>\w{2,10}:\/\/)?
  #Domains have to be of a length of 1 chars or greater
  ((?:\w|\&\#\d{1,5};)[.-]?)+
  #The domain ending has to be between 2 to 15 characters
  (\.([a-z]{2,15})
       #If no domain ending we want a port, only if a protocol is specified
       |(?(protocol)(?:\:\d{1,6})|(?!)))
\b
#Word cannot end with @ (made to catch emails)
(?![@])
#We accept any number of slugs, given we have a char after the slash
(\/)?
#If we have endings like ?=fds include the ending
(?:([\w\d\?\-=#:%@&.;])+(?:\/(?:([\w\d\?\-=#:%@&;.])+))*)?
#The last char cannot be one of these symbols .,?!,- exclude these
(?<![.,?!-])

Answer 16

1

Czy istnieje sposób, aby ten skrypt był przyjazny dla języka JavaScript? Ponieważ nazwane grupy przechwytywania nie są tam w pełni funkcjonalne, więc sprawdzanie wartości protokołu nie sprawdza poprawności.

einord

Answer 17

Myślę, że ten wzorzec regex obsługuje dokładnie to, co chcesz

/(http|https|ftp|ftps)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/

a to jest przykład fragmentu kodu do wyodrębniania adresów URL:

// The Regular Expression filter
$reg_exUrl = "/(http|https|ftp|ftps)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/";

// The Text you want to filter for urls
$text = "The text you want  /programming/6038061/regular-expression-to-find-urls-within-a-string to filter goes here.";

// Check if there is a url in the text
preg_match_all($reg_exUrl, $text, $url,$matches);
var_dump($matches);

Answer 18

5

Wszystkie powyższe odpowiedzi nie są zgodne ze znakami Unicode w adresie URL, na przykład: http://google.com?query=đức+filan+đã+search

Aby rozwiązać ten problem, powinien zadziałać:

(ftp:\/\/|www\.|https?:\/\/){1}[a-zA-Z0-9u00a1-\uffff0-]{2,}\.[a-zA-Z0-9u00a1-\uffff0-]{2,}(\S*)

Duc Filan
źródło

2

Znaki Unicode były zabronione zgodnie z RFC 1738 w adresach URL ( faqs.org/rfcs/rfc1738.html ). Aby były zgodne ze standardami, musiałyby być zakodowane w procentach - chociaż myślę, że mogło się to zmienić niedawno - warto przeczytać w3.org/International/articles/idn-and-iri

mrswadge

@mrswadge Po prostu omawiam przypadki. Nie jesteśmy pewni, czy wszystkim zależy na standardzie. Dziękuję za informacje.

Duc Filan

Tylko ten działał idealnie dla mnie, mając adresy takie jak „ example.com ” „www.exmaple.com” „ example.com ” „ example.co.in ” „ exmaple.com/?q='me '”

Krissh

Answer 19

2

Znaki Unicode były zabronione zgodnie z RFC 1738 w adresach URL ( faqs.org/rfcs/rfc1738.html ). Aby były zgodne ze standardami, musiałyby być zakodowane w procentach - chociaż myślę, że mogło się to zmienić niedawno - warto przeczytać w3.org/International/articles/idn-and-iri

mrswadge

Answer 20

@mrswadge Po prostu omawiam przypadki. Nie jesteśmy pewni, czy wszystkim zależy na standardzie. Dziękuję za informacje.

Duc Filan

Answer 21

Tylko ten działał idealnie dla mnie, mając adresy takie jak „ example.com ” „www.exmaple.com” „ example.com ” „ example.co.in ” „ exmaple.com/?q='me '”

Krissh

Answer 22

Jeśli musisz być rygorystyczny w wyborze linków, wybrałbym:

(?i)\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`!()\[\]{};:'".,<>?«»“”‘’]))

Aby uzyskać więcej informacji, przeczytaj to:

Ulepszony liberalny, dokładny wzorzec Regex dla dopasowanych adresów URL

Answer 23

2

Nie rób tego. regular-expressions.info/catastrophic.html Zabije twoją aplikację ...

Auric

Answer 24

Znalazłem to, które obejmuje większość przykładowych linków, w tym części podkatalogów.

Regex to:

(?:(?:https?|ftp):\/\/|\b(?:[a-z\d]+\.))(?:(?:[^\s()<>]+|\((?:[^\s()<>]+|(?:\([^\s()<>]+\)))?\))+(?:\((?:[^\s()<>]+|(?:\(?:[^\s()<>]+\)))?\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’]))?

Answer 25

3

Jeśli masz wzorzec adresu URL, powinieneś być w stanie wyszukać go w swoim ciągu. Po prostu upewnij się, że wzorzec nie ma ^i $oznacza początek i koniec ciągu adresu URL. Jeśli więc P jest wzorcem adresu URL, poszukaj dopasowań dla P.

manojlds
źródło

To jest wyrażenie regularne, które znalazłem, które sprawdza, czy cały ciąg jest adresem URL. Wyciągnąłem ^ na początku i na końcu, jak powiedziałeś, i nadal nie działało. Co ja robię źle?

^(http|https|ftp)\://[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(:[a-zA-Z0-9]*)?/?([a-zA-Z0-9\-\._\?\,\'/\\\+&amp;%\$#\=~])*[^\.\,\)\(\s]$

user758263

Może pomóc, jeśli pokażesz, jakiego języka używasz. Tak czy inaczej, koniecznie sprawdź http://regexpal.com/; tam możesz testować różne wyrażenia na swoim łańcuchu, dopóki nie uzyskasz poprawnego wyniku.

entonio

@ user758263 - czy naprawdę potrzebujesz tak złożonego wyrażenia regularnego dla adresu URL? Zależy od tego, jakie możliwe adresy URL możesz znaleźć. Zobacz także gskinner.com/RegExr, aby wypróbować wyrażenie regularne. Mają też setki próbek po prawej stronie pod Communityzakładką, w tym te dla adresów URL

manojlds

Próbuję znaleźć wszystkie możliwe adresy URL i używam C ++. Dzięki za linki entonio i manojlds. Witryna gskinner była szczególnie pomocna, ponieważ zawierała próbki.

user758263

Answer 26

To jest wyrażenie regularne, które znalazłem, które sprawdza, czy cały ciąg jest adresem URL. Wyciągnąłem ^ na początku i na końcu, jak powiedziałeś, i nadal nie działało. Co ja robię źle?

^(http|https|ftp)\://[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(:[a-zA-Z0-9]*)?/?([a-zA-Z0-9\-\._\?\,\'/\\\+&amp;%\$#\=~])*[^\.\,\)\(\s]$

user758263

Answer 27

Może pomóc, jeśli pokażesz, jakiego języka używasz. Tak czy inaczej, koniecznie sprawdź http://regexpal.com/; tam możesz testować różne wyrażenia na swoim łańcuchu, dopóki nie uzyskasz poprawnego wyniku.

entonio

Answer 28

@ user758263 - czy naprawdę potrzebujesz tak złożonego wyrażenia regularnego dla adresu URL? Zależy od tego, jakie możliwe adresy URL możesz znaleźć. Zobacz także gskinner.com/RegExr, aby wypróbować wyrażenie regularne. Mają też setki próbek po prawej stronie pod Communityzakładką, w tym te dla adresów URL

manojlds

Answer 29

Próbuję znaleźć wszystkie możliwe adresy URL i używam C ++. Dzięki za linki entonio i manojlds. Witryna gskinner była szczególnie pomocna, ponieważ zawierała próbki.

user758263

Answer 30

3

Użyłem poniżej wyrażenia regularnego, aby znaleźć adres URL w ciągu:

/(http|https)\:\/\/[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(\/\S*)?/

aditya
źródło

2

[a-zA-Z]{2,3}jest naprawdę kiepski pod względem dopasowania TLD, zobacz oficjalną listę: data.iana.org/TLD/tlds-alpha-by-domain.txt

Toto

Answer 31

2

[a-zA-Z]{2,3}jest naprawdę kiepski pod względem dopasowania TLD, zobacz oficjalną listę: data.iana.org/TLD/tlds-alpha-by-domain.txt

Toto

Answer 32

Tutaj trochę bardziej zoptymalizowane wyrażenie regularne:

(?:(?:(https?|ftp|file):\/\/|www\.|ftp\.)|([\w\-_]+(?:\.|\s*\[dot\]\s*[A-Z\-_]+)+))([A-Z\-\.,@?^=%&amp;:\/~\+#]*[A-Z\-\@?^=%&amp;\/~\+#]){2,6}?

Oto test z danymi: https://regex101.com/r/sFzzpY/6

Answer 33

2

Krótkie i proste. Nie testowałem jeszcze w kodzie javascript, ale wygląda na to, że zadziała:

((http|ftp|https):\/\/)?(([\w.-]*)\.([\w]*))

Kod na regex101.com

bafsar
źródło

1

Podobało mi się twoje wyrażenie regularne, ponieważ było to dokładnie to, czego szukałem: musiałem zidentyfikować i usunąć adresy URL z jakiegoś tekstu, a nie zweryfikować. Pracował w szynach.

Dagmar

@Dagmar Miło mi to słyszeć :)

bafsar

Answer 34

1

Podobało mi się twoje wyrażenie regularne, ponieważ było to dokładnie to, czego szukałem: musiałem zidentyfikować i usunąć adresy URL z jakiegoś tekstu, a nie zweryfikować. Pracował w szynach.

Dagmar

Answer 35

@Dagmar Miło mi to słyszeć :)

bafsar

Answer 36

Używam tego Regex:

/((\w+:\/\/\S+)|(\w+[\.:]\w+\S+))[^\s,\.]/ig

Działa dobrze w przypadku wielu adresów URL, takich jak: http://google.com , https://dev-site.io:8080/home?val=1&count=100 , www.regexr.com, localhost: 8080 / path,. ..

Answer 37

1

Jest to niewielka poprawa / dostosowanie (w zależności od potrzeb) odpowiedzi Rajeeva:

([\w\-_]+(?:(?:\.|\s*\[dot\]\s*[A-Z\-_]+)+))([A-Z\-\.,@?^=%&amp;:/~\+#]*[A-Z\-\@?^=%&amp;/~\+#]){2,6}?

Zobacz tutaj przykład tego, co robi, a czego nie.

Pozbyłem się czeku na „http” itp., Ponieważ chciałem przechwycić adresy URL bez tego. Dodałem nieznacznie do wyrażenia regularnego, aby złapać jakieś zaciemnione adresy URL (np. Gdy użytkownik używa [kropki] zamiast „.”). W końcu zastąpiłem „\ w” „AZ” na i „{2,3}”, aby zredukować fałszywe alarmy, takie jak v2.0 i „moo.0dd”.

Wszelkie ulepszenia tego powitania.

avjaarsveld
źródło

[a-zA-Z]{2,3}jest naprawdę kiepski pod względem dopasowania TLD, zobacz oficjalną listę: data.iana.org/TLD/tlds-alpha-by-domain.txt . Również twoje dopasowanie wyrażenia regularnego _.........&&&&&&nie jest pewne, czy jest to prawidłowy adres URL.

Toto,

Dzięki za to JE SUIS CHAELIE, jakieś sugestie dotyczące poprawy (szczególnie w przypadku fałszywie pozytywnych wyników)?

avjaarsveld

Answer 38

[a-zA-Z]{2,3}jest naprawdę kiepski pod względem dopasowania TLD, zobacz oficjalną listę: data.iana.org/TLD/tlds-alpha-by-domain.txt . Również twoje dopasowanie wyrażenia regularnego _.........&&&&&&nie jest pewne, czy jest to prawidłowy adres URL.

Toto,

Answer 39

Dzięki za to JE SUIS CHAELIE, jakieś sugestie dotyczące poprawy (szczególnie w przypadku fałszywie pozytywnych wyników)?

avjaarsveld

Answer 40

Prawdopodobnie zbyt uproszczona, ale działająca metoda to:

[localhost|http|https|ftp|file]+://[\w\S(\.|:|/)]+

Przetestowałem to w Pythonie i tak długo, jak analiza ciągu zawiera spację przed i po oraz nie ma w adresie URL (czego nigdy wcześniej nie widziałem), powinno być dobrze.

Oto ide online, który to demonstruje

Jednak oto kilka korzyści z jej używania:

Rozpoznaje, file:a localhosttakże adresy IP
Bez nich nigdy się nie uda
Nie ma nic przeciwko nietypowym znakom, takim jak #lub -(patrz adres URL tego postu)

Answer 41

Użycie wyrażenia regularnego dostarczonego przez @JustinLevene nie miało odpowiednich sekwencji ucieczki w ukośnikach. Zaktualizowany, aby teraz był poprawny i dodany w stanie zgodnym również z protokołem FTP: będzie pasować do wszystkich adresów URL z protokołami lub bez nich oraz bez „www”.

Kod: ^((http|ftp|https):\/\/)?([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:\/~+#-]*[\w@?^=%&\/~+#-])?

Przykład: https://regex101.com/r/uQ9aL4/65

Answer 42

ULEPSZONY

Wykrywa takie adresy URL:

https://www.example.pl
http://www.example.com
www.example.pl
example.com
http://blog.example.com
http://www.example.com/product
http://www.example.com/products?id=1&page=2
http: //www.example.com#up
http://255.255.255.255
255.255.255.255
http: // www.site.com:8008

Regex:

/^(?:http(s)?:\/\/)?[\w.-]+(?:\.[\w\.-]+)+[\w\-\._~:/?#[\]@!\$&'\(\)\*\+,;=.]+$/gm

Answer 43

Napisałem jeden sam:

let regex = /([\w+]+\:\/\/)?([\w\d-]+\.)*[\w-]+[\.\:]\w+([\/\?\=\&\#]?[\w-]+)*\/?/gm

Działa na WSZYSTKICH następujących domenach:

https://www.facebook.com
https://app-1.number123.com
http://facebook.com
ftp://facebook.com
http://localhost:3000
localhost:3000/
unitedkingdomurl.co.uk
this.is.a.url.com/its/still=going?wow
shop.facebook.org
app.number123.com
app1.number123.com
app-1.numbEr123.com
app.dashes-dash.com
www.facebook.com
facebook.com
fb.com/hello_123
fb.com/hel-lo
fb.com/hello/goodbye
fb.com/hello/goodbye?okay
fb.com/hello/goodbye?okay=alright
Hello www.google.com World http://yahoo.com
https://www.google.com.tr/admin/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
https://google.com.tr/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
http://google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
ftp://google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
www.google.com.tr/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
www.google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
drive.google.com/test/subPage?qs1=sss1&qs2=sss2&qs3=sss3#Services
https://www.example.pl
http://www.example.com
www.example.pl
example.com
http://blog.example.com
http://www.example.com/product
http://www.example.com/products?id=1&page=2
http://www.example.com#up
http://255.255.255.255
255.255.255.255

Możesz zobaczyć, jak to działa tutaj w regex101 i dostosować w razie potrzeby

Answer 44

0

Używam logiki znajdowania tekstu między dwiema kropkami lub kropkami

poniższe wyrażenie regularne działa dobrze z Pythonem

(?<=\.)[^}]*(?=\.)

faisal00813
źródło

Answer 45

0

Dopasowanie adresu URL w tekście nie powinno być tak skomplikowane

(?:(?:(?:ftp|http)[s]*:\/\/|www\.)[^\.]+\.[^ \n]+)

https://regex101.com/r/wewpP1/2

naT erraT
źródło

Answer 46

0

Użyłem tego

^(https?:\\/\\/([a-zA-z0-9]+)(\\.[a-zA-z0-9]+)(\\.[a-zA-z0-9\\/\\=\\-\\_\\?]+)?)$

Maikon Ayres Da Silva
źródło

Answer 47

(?:vnc|s3|ssh|scp|sftp|ftp|http|https)\:\/\/[\w\.]+(?:\:?\d{0,5})|(?:mailto|)\:[\w\.]+\@[\w\.]+

Jeśli chcesz wyjaśnić każdą część, wypróbuj regexr [.] Com, gdzie uzyskasz świetne wyjaśnienie każdej postaci.

Jest to podzielone znakiem „|” lub „LUB”, ponieważ nie wszystkie przydatne identyfikatory URI mają „//”, więc w tym miejscu możesz utworzyć listę schematów jako lub warunków, które chciałbyś dopasować.

Answer 48

Użyłem klasy C # Uri i działa dobrze z adresem IP, localhost

 public static bool CheckURLIsValid(string url)
    {
        Uri returnURL;

       return (Uri.TryCreate(url, UriKind.Absolute, out returnURL)
           && (returnURL.Scheme == Uri.UriSchemeHttp || returnURL.Scheme == Uri.UriSchemeHttps));


    }

Answer 49

Podobało mi się rozwiązanie Stefana Henze, ale przyniosło 34,56. Jest zbyt ogólny i mam nieprzetworzony html. Istnieją 4 kotwice dla adresu URL;

www,

http: \ (i co),

. po którym następują litery, a następnie /,

lub litery. i jeden z nich: https://ftp.isc.org/www/survey/reports/current/bynum.txt .

Wykorzystałem wiele informacji z tego wątku. Dziękuję wam wszystkim.

"(((((http|ftp|https|gopher|telnet|file|localhost):\\/\\/)|(www\\.)|(xn--)){1}([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(([\\w_-]{2,200}(?:(?:\\.[\\w_-]+)*))((\\.[\\w_-]+\\/([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(\\.((org|com|net|edu|gov|mil|int|arpa|biz|info|unknown|one|ninja|network|host|coop|tech)|(jp|br|it|cn|mx|ar|nl|pl|ru|tr|tw|za|be|uk|eg|es|fi|pt|th|nz|cz|hu|gr|dk|il|sg|uy|lt|ua|ie|ir|ve|kz|ec|rs|sk|py|bg|hk|eu|ee|md|is|my|lv|gt|pk|ni|by|ae|kr|su|vn|cy|am|ke))))))(?!(((ttp|tp|ttps):\\/\\/)|(ww\\.)|(n--)))"

Powyższe rozwiązuje prawie wszystko z wyjątkiem ciągu znaków, takich jak „eurls: www.google.com, facebook.com, http: //test.com/”, który zwraca jako pojedynczy ciąg. Tbh idk, dlaczego dodałem gopher itp. Sprawdzaj kod R.

if(T){
  wierdurl<-vector()
  wierdurl[1]<-"https://JP納豆.例.jp/dir1/納豆 "
  wierdurl[2]<-"xn--jp-cd2fp15c.xn--fsq.jp "
  wierdurl[3]<-"http://52.221.161.242/2018/11/23/biofourmis-collab"
  wierdurl[4]<-"https://12000.org/ "
  wierdurl[5]<-"  https://vg-1.com/?page_id=1002 "
  wierdurl[6]<-"https://3dnews.ru/822878"
  wierdurl[7]<-"The link of this question: /programming/6038061/regular-expression-to-find-urls-within-a-string
  Also there are some urls: www.google.com, facebook.com, http://test.com/method?param=wasd
  The code below catches all urls in text and returns urls in list. "
  wierdurl[8]<-"Thelinkofthisquestion:/programming/6038061/regular-expression-to-find-urls-within-a-string
  Alsotherearesomeurls:www.google.com,facebook.com,http://test.com/method?param=wasd
  Thecodebelowcatchesallurlsintextandreturnsurlsinlist. "
  wierdurl[9]<-"Thelinkofthisquestion:/programming/6038061/regular-expression-to-find-urls-within-a-stringAlsotherearesomeurlsZwww.google.com,facebook.com,http://test.com/method?param=wasdThecodebelowcatchesallurlsintextandreturnsurlsinlist."
  wierdurl[10]<-"1facebook.com/1res"
  wierdurl[11]<-"1facebook.com/1res/wat.txt"
  wierdurl[12]<-"www.e "
  wierdurl[13]<-"is this the file.txt i need"
  wierdurl[14]<-"xn--jp-cd2fp15c.xn--fsq.jpinspiredby "
  wierdurl[15]<-"[xn--jp-cd2fp15c.xn--fsq.jp/inspiredby "
  wierdurl[16]<-"xnto--jpto-cd2fp15c.xnto--fsq.jpinspiredby "
  wierdurl[17]<-"fsety--fwdvg-gertu56.ffuoiw--ffwsx.3dinspiredby "
  wierdurl[18]<-"://3dnews.ru/822878 "
  wierdurl[19]<-" http://mywebsite.com/msn.co.uk "
  wierdurl[20]<-" 2.0http://www.abe.hip "
  wierdurl[21]<-"www.abe.hip"
  wierdurl[22]<-"hardware/software/data"
  regexstring<-vector()
  regexstring[2]<-"(http|ftp|https)://([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?"
  regexstring[3]<-"/(?:(?:https?|ftp|file):\\/\\/|www\\.|ftp\\.)(?:\\([-A-Z0-9+&@#\\/%=~_|$?!:,.]*\\)|[-A-Z0-9+&@#\\/%=~_|$?!:,.])*(?:\\([-A-Z0-9+&@#\\/%=~_|$?!:,.]*\\)|[A-Z0-9+&@#\\/%=~_|$])/igm"
  regexstring[4]<-"[a-zA-Z0-9\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF]?"
  regexstring[5]<-"((http|ftp|https)\\:\\/\\/)?([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?"
  regexstring[6]<-"((http|ftp|https):\\/\\/)?([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?"
  regexstring[7]<-"(http|ftp|https)(:\\/\\/)([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?"
  regexstring[8]<-"(?:(?:https?|ftp|file):\\/\\/|www\\.|ftp\\.)(?:\\([-A-Z0-9+&@#/%=~_|$?!:,.]*\\)|[-A-Z0-9+&@#/%=~_|$?!:,.])*(?:\\([-A-Z0-9+&@#/%=~_|$?!:,.]*\\)|[A-Z0-9+&@#/%=~_|$])"
  regexstring[10]<-"((http[s]?|ftp):\\/)?\\/?([^:\\/\\s]+)((\\/\\w+)*\\/)([\\w\\-\\.]+[^#?\\s]+)(.*)?(#[\\w\\-]+)?"
  regexstring[12]<-"http[s:/]+[[:alnum:]./]+"
  regexstring[9]<-"http[s:/]+[[:alnum:]./]+" #in DLpages 230
  regexstring[1]<-"[[:alnum:]-]+?[.][:alnum:]+?(?=[/ :])" #in link_graphs 50
  regexstring[13]<-"^(?!mailto:)(?:(?:http|https|ftp)://)(?:\\S+(?::\\S*)?@)?(?:(?:(?:[1-9]\\d?|1\\d\\d|2[01]\\d|22[0-3])(?:\\.(?:1?\\d{1,2}|2[0-4]\\d|25[0-5])){2}(?:\\.(?:[0-9]\\d?|1\\d\\d|2[0-4]\\d|25[0-4]))|(?:(?:[a-z\\u00a1-\\uffff0-9]+-?)*[a-z\\u00a1-\\uffff0-9]+)(?:\\.(?:[a-z\\u00a1-\\uffff0-9]+-?)*[a-z\\u00a1-\\uffff0-9]+)*(?:\\.(?:[a-z\\u00a1-\\uffff]{2,})))|localhost)(?::\\d{2,5})?(?:(/|\\?|#)[^\\s]*)?$"
  regexstring[14]<-"(((((http|ftp|https):\\/\\/)|(www\\.)|(xn--)){1}([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(([\\w_-]+(?:(?:\\.[\\w_-]+)*))((\\.((org|com|net|edu|gov|mil|int)|(([:alpha:]{2})(?=[, ]))))|([\\/]([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?))))(?!(((ttp|tp|ttps):\\/\\/)|(ww\\.)|(n--)))"
  regexstring[15]<-"(((((http|ftp|https|gopher|telnet|file|localhost):\\/\\/)|(www\\.)|(xn--)){1}([\\w_-]+(?:(?:\\.[\\w_-]+)+))([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(([\\w_-]{2,200}(?:(?:\\.[\\w_-]+)*))((\\.[\\w_-]+\\/([\\w.,@?^=%&:\\/~+#-]*[\\w@?^=%&\\/~+#-])?)|(\\.((org|com|net|edu|gov|mil|int|arpa|biz|info|unknown|one|ninja|network|host|coop|tech)|(jp|br|it|cn|mx|ar|nl|pl|ru|tr|tw|za|be|uk|eg|es|fi|pt|th|nz|cz|hu|gr|dk|il|sg|uy|lt|ua|ie|ir|ve|kz|ec|rs|sk|py|bg|hk|eu|ee|md|is|my|lv|gt|pk|ni|by|ae|kr|su|vn|cy|am|ke))))))(?!(((ttp|tp|ttps):\\/\\/)|(ww\\.)|(n--)))"
    }

for(i in wierdurl){#c(7,22)
  for(c in regexstring[c(15)]) {
    print(paste(i,which(regexstring==c)))
    print(str_extract_all(i,c))
  }
}

Answer 50

To jest najlepsza.

NSString *urlRegex="(http|ftp|https|www|gopher|telnet|file)(://|.)([\\w_-]+(?:(?:\\.[\\w_-]+)‌+))([\\w.,@?^=%&:/~+#-]*[\\w@?^=%&/~+#-])?";

Answer 51

-1

To jest najprostsze. które działają dla mnie dobrze.

%(http|ftp|https|www)(://|\.)[A-Za-z0-9-_\.]*(\.)[a-z]*%

Md. Miraj Khan
źródło

Answer 52

To jest po prostu proste.

Użyj tego wzoru: \b((ftp|https?)://)?([\w-\.]+\.(com|net|org|gov|mil|int|edu|info|me)|(\d+\.\d+\.\d+\.\d+))(:\d+)?(\/[\w-\/]*(\?\w*(=\w+)*[&\w-=]*)*(#[\w-]+)*)?

Pasuje do każdego linku zawierającego:

Dozwolone protokoły: http, https i ftp

Dozwolone domeny: * .com, * .net, * .org, * .gov, * .mil, * .int, * .edu, * .info i * .me LUB IP

Dozwolone porty: prawda

Dozwolone parametry: prawda

Dozwolone skróty: prawda

Wyrażenie regularne do wyszukiwania adresów URL w ciągu znaków

Odpowiedzi: