從字符串中提取URL

Question

假設我的字符串是

http://www.test.com\r\nhttp://www.hello.com<some text here>http://www.world.com

我想提取字符串中的所有URL。 輸出應如下所示：

http://www.test.com
http://www.hello.com
http://www.world.com

我該如何實現？

字符串中沒有html標記，因此使用HTMLAgilityPack提取它們不是可行的選擇。

Answer 1

在其他答案和評論中，我實際上可以實現的最簡單方法是拆分方法。 您知道這里有很多盲目的猜測，而最好的選擇之一可能是：

using System.Text.RegularExpressions;

public static List<string> ParseUrls(string input) {
    List<string> urls = new List<string>();
    const string pattern = "http://"; //here you may use a better expression to include ftp and so on
    string[] m = Regex.Split(input, pattern);
    for (int i = 0; i < m.Length; i++)
        if (i % 2 == 0){
            Match urlMatch = Regex.Match(m[i],"^(?<url>[a-zA-Z0-9/?=&.]+)", RegexOptions.Singleline);
            if(urlMatch.Success)
                urls.Add(string.Format("http://{0}", urlMatch.Groups["url"].Value)); //modify the prefix according to the chosen pattern                            
        }
    return urls;
}

Answer 2

由於“：”不是URL中的有效字符，因此可以假定當您搜索“ http：//”時，將為您提供一個有效的URL開頭。

搜索此並找到您的起點。

您可以構建可能遇到的已知良好TLD的列表（這將有所幫助： http : //en.wikipedia.org/wiki/List_of_Internet_top-level_domains ）

您知道這將是您的終點； 因此您可以從字符串開頭搜索這些內容。

從頭開始，然后從該索引開始。 跳過所有內容，這是不好的。

我假設您沒有子目錄； 因為您沒有列出任何一個。

Answer 3

您可以通過搜索和拆分“ http：//”來使用此問題中的字符串拆分邏輯。 如果確實需要“ http：//”部分，則以后可以隨時添加。

編輯： 請注意，之后您必須在每個URL的末尾搜索和過濾（諸如？）\\ r \\ n，但這應該不是一個大問題。