如何使用 JavaScript RegEx 从推文中提取 URL？

Question

假设我将推文作为字符串存储在 JS 变量中......

如何使用 JavaScript RegEx 从推文中提取 URL？

这应该比从字符串中提取 URL 容易得多，因为：

我假设任何以 http 或 www 开头并以空格（或推文结尾）结尾的东西都是 URL。

Answer 1

这是我用于从 Twitter 状态中提取链接的正则表达式之一。

链接匹配模式

(?:<\w+.*?>|[^=!:'"/]|^)((?:https?://|www\.)[-\w]+(?:\.[-\w]+)*(?::\d+)?(?:/(?:(?:[~\w\+%-]|(?:[,.;@:][^\s$]))+)?)*(?:\?[\w\+%&=.;:-]+)?(?:\#[\w\-\.]*)?)(?:\p{P}|\s|<|$)

或者，如果您控制如何从 Twitter 获取状态，则可以将include_entities参数传递给statuses/show （或任何其他支持它的方法，例如statuses/user_timeline ），以让 Twitter 断开链接、提及和主题标签对你来说，如下所示：

http://api.twitter.com/1/statuses/show/23918022347456512.json?include_entities=true

在生成的 JSON 中，注意实体object。

"entities":{"urls":[{"expanded_url":null,"indices":[27,53],"url":"http:\/\/tinyurl.com\/38wp7nt"}],"hashtags":[],"user_mentions":[]}

现在，您可以参考从 Twitter 返回的数据，而不必自己解析。 这种方法最好的事情是您将工作卸载到 Twitter，并且永远不必担心您的正则表达式是否会与 Twitter 的完全匹配。

Answer 2

var stringToCheck = "http://www.something";

stringToCheck.match(/^http\://[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,3}(/\S*)?$/); // returns true if stringToCheck is a URL

这将检查两个或三个字母的 TLD 和子域帐户。