URL C＃的正則表達式

Question

在我的C＃程序中，我編寫了一個Google搜索功能，該功能的工作原理是從每個頁面獲取源代碼並通過正則表達式獲取URL。

我實際的正則表達式是：

(?:(?:(?:http)://)(?:w{3}\\.)?(?:[a-zA-Z0-9/;\\?&=:\\-_\\$\\+!\\*'\\(\\|\\\\~\\[\\]#%\\.])+)

目前，這很好用，但是我得到的網址例如為http://www.example.com/forums/arcade.php?efdf=332

在這種情況下，我只想獲取沒有末尾?efdf=332的URL。

那么我該如何更改正則表達式呢？

Answer 1

http://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+

與您的正則表達式相同（我已刪除了很多不必要的內容），但是在之前停止匹配鏈接? 。

在C＃中：

Regex regexObj = new Regex(@"http://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+")

也就是說，我不確定這是否是匹配URL的好方法（ https ， ftp ， mailto等如何？）

Answer 2

您可以使用Uri類訪問URL的各個部分，並從末尾刪除查詢字符串，或者連接所需的部分。