Java：从字符串中错误提取没有WWW的URL

Question

我试图从字符串中提取网址，这是字符串：

Hello my name is John. My blog is john.com

我无法提取该网址（ john.com ），因为它不包含www

我从提取网址中使用以下表达式：

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

但仍然不起作用。

请帮助我如何在不使用www的情况下提取网址

注意：我已经在stactoverflow上尝试了所有类似的问题，但仍然无法正常工作

Answer 1

您可以尝试使用我在项目中使用过的Regex

public static List<String> extractUrls(String sms) {
List<String> containedUrls = new ArrayList<String>();
String text = sms;

// Split the sms to analyze if each part is a URL
String[] split = text.split(" ");

Pattern p = Pattern.compile("(@)?(href=')?(HREF=')?(HREF=\")?(href=\")?(http://)?[a-zA-Z_0-9\\-]+(\\.\\w[a-zA-Z_0-9\\-]+)+(/[#&\\n\\-=?\\+\\%/\\.\\w]+)?");

// Attempt to convert each item into an URL
for (int i = 0; i < split.length; i++) {
    if (p.matcher(split[i]).matches()) containedUrls.add(split[i]);
}

return containedUrls;
}