使用正則表達式匹配字符串中的多個URL

Question

我試圖從此處使用正則表達式來匹配字符串中的URL： 正則表達式以匹配Java中的URL

它對一個URL可以正常工作，但是當我在字符串中有兩個URL時，它僅與后者匹配。

這是代碼：

Pattern pat = Pattern.compile(".*((https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|])", Pattern.DOTALL);
Matcher matcher = pat.matcher("asdasd http://www.asd.as/asd/123 or http://qwe.qw/qwe");
// now matcher.groupCount() == 2, not 4

編輯：我嘗試過的東西：

// .* removed, now doesn't match anything // Another edit: actually works, see below
Pattern pat = Pattern.compile("((https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|])", Pattern.DOTALL);

// .* made lazy, still only matches one
Pattern pat = Pattern.compile(".*?((https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|])", Pattern.DOTALL);

有任何想法嗎？

Answer 1

這是因為.*是貪婪的。 它只會消耗盡可能多的（整個字符串），然后回溯。 也就是說，它將一次丟棄一個字符，直到其余字符組成一個URL。 因此，第一個URL將已經被匹配，但是沒有被捕獲。 不幸的是，比賽不能重疊。 修復應該很簡單。 刪除模式開頭的.* 。 然后，您還可以從模式中刪除外部括號-不再需要捕獲任何內容，因為整個匹配項都是您要查找的URL。

Pattern pat = Pattern.compile("(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]", Pattern.DOTALL);
Matcher matcher = pat.matcher("asdasd http://www.asd.as/asd/123 or http://qwe.qw/qwe");
while (matcher.find()) {
  System.out.println(matcher.group());
}

順便說一句， matcher.groupCount()不會告訴您任何信息，因為它給您的是模式中的組數，而不是目標字符串中的捕獲數。 這就是為什么您的第二種方法（使用.*? ）沒有幫助的原因。 模式中仍然有兩個捕獲組。 在調用find或任何東西之前， matcher不知道它將總共找到多少個捕獲。