正则表达式：句子末尾和URL中的区分句

Question

我正在构建一个应用程序，该应用程序在文本中搜索URL并将URL添加到列表框。 我有一些有效的方法，但是如果它们在句子结尾（例如：这是www.google.com），我将无法获取网址。 提前致谢

这是我的代码：

private void btnExtract_Click(object sender, EventArgs e)
        {
            StringBuilder taintedStr = new StringBuilder(txtInputText.Text);
            string cleanStr;

            taintedStr.Replace(",", "");
            taintedStr.Replace("!", "");
            taintedStr.Replace("(", "");
            taintedStr.Replace(")", "");
            taintedStr.Replace("[", "");
            taintedStr.Replace("]", "");
            taintedStr.Replace("http://", "");
            cleanStr = taintedStr.ToString();
            string[] wordlist = Regex.Split(cleanStr, @"\s");

            for (int i = 0; i < wordlist.Length; i++)
            {
                bool test = Regex.Match(wordlist[i], @"^[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(/\S*)?$").Success;  
                if (test == true)
                {
                    lstWebsites.Items.Add("http://" + wordlist[i]);
                }
            } 
        }

Answer 1

为什么不通过添加一行以删除每个单词的结尾标点来调整代码？ 例如：

for (int i = 0; i < wordlist.Length; i++)
{
  wordlist[i] = wordlist[i].Trim().TrimEnd('.').TrimEnd('!').TrimEnd('?');
  bool test = Regex.Match(wordlist[i], @"^[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(/\S*)?$").Success;  
  if (test == true)
  {
    lstWebsites.Items.Add("http://" + wordlist[i]);
  }
} 

另外，以下RegEx应该可以捕获该网站：

^[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}[.!?]?(/\S*)?$

Answer 2

您将不得不决定如何将其用于代码中，但是基本上您只想为此添加一个特殊情况。 ".[a-zA-Z]{2,3}(/\\S*)?$.\\b"将匹配.*. 。 如果是这种情况，请使用do;

 myString = myString.TrimeEnd('.'); // remove the last character

/b在单词边界上匹配。 它将匹配退货，空格，EOF等。

Answer 3

句子结尾的句号后通常是普通英语的空格。 但是，如果句点在英语表示形式的结尾，则可以跟在其他字符之后，例如EOF字符，“ <”，引号等。

解决此问题的方法是识别句点后面是否有有效的url字符。