正則表達式以短副本查找網址

Question

擁有簡短副本，我需要匹配所有出現的網站鏈接。 為了簡單起見，需要找出這種格式的地址：

www.aaaaaa.bbbbbb
http://aaaaaa.bbbb
https://aa.bbbb

但我還需要照顧更長的www / http / https版本：

www.aaaaa.bbbb.ccc.ddd.eeee

等等，因此基本上不知道子域的數量。 現在我想出了這個正則表達式：

(www\.([a-zA-Z0-9-_]|\.(?!\s))+)[\s|,|$]|(http(s)?:\/\/(?!\.)([a-zA-Z0-9-_]|\.(?!\s))+)[\s|,|$]

如果您測試：

this is some tex with www.somewIebsite.dfd.jhh.hjh inside of it or maybe http://www.ssss.com or maybe https://evenore.com hahaah blah

它的工作原理很好，但地址末尾的時間除外。 $似乎僅在末尾有\\ n時才起作用，並且失敗：

this is some tex with www.somewIebsite.dfd.jhh.hjh

我猜想修復很簡單，我想念一些明顯的東西，那么我該如何解決呢？ 順便說一句，如果你想快速玩轉https://regex101.com/r/eL1bI4/3，我在這里發布了正則表達式

Answer 1

問題是您將結束錨$放置在字符組[]

[\s|,|$]

然后，將其按字面意義解釋為美元符號，而不作為錨點（管道字符|也按字面意義進行解釋，在那里不需要）。 解決方案是將$錨點移到外部：

(?:[\s,]|$)

但是，在這種情況下，使用正向先行而不是非捕獲組更有意義（您不希望尾隨空格或逗號）：

(?=[\s,]|$)

結果，您將得到以下正則表達式模式：

(www\.([a-zA-Z0-9-_]|\.(?!\s))+)(?=[\s,]|$)|(http(s)?:\/\/(?!\.)([a-zA-Z0-9-_]|\.(?!\s))+)(?=[\s,]|$)

請參閱工作演示 。

處理尾隨句號的更新版本：

(www\.([a-zA-Z0-9-_]|\.(?!\s|\.|$))+)(?=[\s,.]|$)|(http(s)?:\/\/(?!\.)([a-zA-Z0-9-_]|\.(?!\s|\.|$))+)(?=[\s,.]|$)

請參閱工作演示 。