匹配带有或不带有http://www的URL的正则表达式模式

Question

我其实不太擅长使用正则表达式。 到目前为止，我一直在使用很多框架代码，但是我找不到一个能够匹配像http://www.example.com/etcetc这样的URL，并且还能够捕获像www.example.com/etcetc和example.com/etcetc这样的URL的框架代码。

- Edmund Rojas

---

这个问题可能会对你有所帮助。https://dev59.com/VHM_5IYBdhLWcg3w-4hg - Wiseguy

可能是重复的问题，参考链接：不包含http://www的url正则表达式。 - Balanivash

前两个选项可以匹配，但是匹配你最后一个选项“example.com/etcetc”几乎是不可能的。你需要基本上匹配任何中间带有点的内容。 - Spudley

@Balanivash - 有点过分了，将其标记为一个被关闭的问题的重复。 - Spudley

就像我昨天回答这样的问题，但今天被要求标记为重复问题，所以我这样做了。 - Balanivash

一个经典问题是 *如何在Python中将URL字符串拆分为单独的部分？*（2009年）。 - Peter Mortensen

Answer 1

为了匹配所有类型的URL，以下代码应该可行：

<?php
    $regex = "((https?|ftp)://)?"; // SCHEME
    $regex .= "([a-z0-9+!*(),;?&=$_.-]+(:[a-z0-9+!*(),;?&=$_.-]+)?@)?"; // User and Pass
    $regex .= "([a-z0-9\-\.]*)\.(([a-z]{2,4})|([0-9]{1,3}\.([0-9]{1,3})\.([0-9]{1,3})))"; // Host or IP address
    $regex .= "(:[0-9]{2,5})?"; // Port
    $regex .= "(/([a-z0-9+$_%-]\.?)+)*/?"; // Path
    $regex .= "(\?[a-z+&\$_.-][a-z0-9;:@&%=+/$_.-]*)?"; // GET Query
    $regex .= "(#[a-z_.-][a-z0-9+$%_.-]*)?"; // Anchor
?>

然后，检查正则表达式的正确方法如下：

<?php
   if(preg_match("~^$regex$~i", 'www.example.com/etcetc', $m))
      var_dump($m);

   if(preg_match("~^$regex$~i", 'http://www.example.com/etcetc', $m))
      var_dump($m);
?>

致谢: splattermania 在 PHP 手册中发表的评论：preg_match

regex101 中的正则表达式演示

- anubhava

---

在方法内部添加注释通常是代码异味的标志。但是，在正则表达式或复杂的SQL查询中添加注释是正确的做法。 - Toto

@Toto 我知道有争议，例如http://programmers.stackexchange.com/questions/1/comments-are-a-code-smell，但我真的无法认同除了注释与代码不匹配的情况外，注释是代码异味的概念。 - Patrick

嗨，由于类似 YouTube 的链接，我不得不在每个小写字母 a-z 旁边加上 A-Z。但是我仍然认为它非常好。 - merveotesi

我喜欢你以注释的方式分解它。这有点像正则表达式自助餐，你可以挑选自己想要的放在盘子里。 - Expedito

如果你说尝试一下，我肯定知道它会起作用，因为你不会犯错误 :) 。谢谢anuba，现在它可以工作了，这就是我问你的原因 :)。+1 - Scooter Daraf

Answer 2

这在我测试的所有情况下都有效：

$url_pattern = '/((http|https)\:\/\/)?[a-zA-Z0-9\.\/\?\:@\-_=#]+\.([a-zA-Z0-9\&\.\/\?\:@\-_=#])*/';

测试：

http://test.test-75.1474.stackoverflow.com/
https://www.stackoverflow.com
https://www.stackoverflow.com/
http://wwww.stackoverflow.com/
http://wwww.stackoverflow.com


http://test.test-75.1474.stackoverflow.com/
http://www.stackoverflow.com
http://www.stackoverflow.com/
stackoverflow.com/
stackoverflow.com

http://www.example.com/etcetc
www.example.com/etcetc
example.com/etcetc
user:[e-mail]/etcetc

example.com/etcetc?query=aasd
example.com/etcetc?query=aasd&dest=asds

https://dev59.com/3Gw15IYBdhLWcg3wv-NM
https://dev59.com/3Gw15IYBdhLWcg3wv-NM/

每个有效的互联网URL至少有一个点，因此上述模式将尝试找到由点链接的至少两个字符串，并具有URL可能具有的有效字符。

- H Aßdøµ

---

简化了这个正则表达式：/^[a-z0-9./?:@\-_=#]+\.([a-z0-9./?:@\-_=#])*$/i - 方括号内的元字符不需要转义 - 去掉了前面的可选部分，因为在验证URL时不需要捕获值（在我的用例中不需要） - 使用大小写不敏感的修饰符简化模式，而不是在字符组中重复所有内容。 - staabm

另一个故障：上述正则表达式无法处理包含参数（因此包含 & 符号）的 URL。同时，编码的参数也不被支持 - 百分号（%）。 - staabm

/(http|https)://+[a-zA-Z0-9./?:@-=#]+.([a-zA-Z0-9&./?:@-=#])*/ 请在 (http|https):// 后使用 + 号代替 ? 号，因为 ? 号也会通过 http:/。这样，http:/yahoo.com 就是正确的，但实际上不是。加上 + 号就可以解决此问题。 - Roop Kumar

从原始模式中，我只用一个加号替换了最后一个 *，以避免像 word. 这样的字符串匹配表达式。只有像 word.com 这样的字符串应该匹配。 - Roger

最后，我发现将最后一个 * 替换为 {2,} 更好。 - Roger

这个字符串2020-08-06T16:26:23.561Z也会被传递。 - Awais Ayub

Answer 3

您可以在正则表达式后面加一个问号来使它成为条件语句，所以您需要使用：

http:\/\/(www\.)?

这将匹配任何具有http://www.或http://（没有www）的内容。

您可以使用替换方法来删除上述内容，从而获得域名。这取决于您需要域名的用途。

- Michael Wright

Answer 4

尝试这个： /^http:\/\/|(www\.)?[a-z0-9]+([\-\.]{1}[a-z0-9]+)*\.[a-z]{2,5}(:[0-9]{1,5})?(\/.*)?$/ 它完全符合人们的要求。

它可以带或不带 http://, https://, 和 www。

- Jignesh Patel - Web Developer

Answer 5

使用：

/(https?://)?((?:(\w+-)*\w+)\.)+(?:[a-z]{2})(\/?\w?-?=?_?\??&?)+[\.]?([a-z0-9\?=&_\-%#])?/g

它匹配 something.com, http(s):// 或者 www。不过它不会匹配其它的 [something]:// 的 URL，但是对于我的用途来说这并不是必需的。

这个正则表达式可以匹配以下内容：

http://foo.co.uk/
www.regex.com/foo.html?q=bar$some=thi-ng,regex
regex.foo.com/blog

- Nyveria

Answer 6

尝试使用以下代码：

.*([\w-]+\.)+[a-z]{2,5}(/[\w-]+)*

- morja

Answer 7

试试这个

$url_reg = /(ftp|https?):\/\/(\w+:?\w*@)?(\S+)(:[0-9]+)?(\/([\w#!:.?+=&%@!\/-])?)?/;

- K6t

---

这个表达式适用于所有的网址，除了那些缺少 http://www. 的，例如 example.com/khafenxj。 - Edmund Rojas

有没有办法使“www.”部分也是可选的？我对正则表达式有一点了解，但我仍然觉得它很难读懂哈哈。 - Edmund Rojas

这应该不适用于任何缺少 http:// 的东西，或者任何缺少协议的东西。 - phant0m

Answer 8

我一直在使用以下内容，对于所有我的测试案例都有效，并修复了任何问题，例如在句号（end.）之前的句子末尾触发，或者存在单个字符缩写，例如“C.C. Plumbing”。

以下正则表达式包含多个{2,}，表示前一个模式的两个或更多匹配。

((http|https)\:\/\/)?[a-zA-Z0-9\.\/\?\:@\-_=#]{2,}\.([a-zA-Z0-9\&\.\/\?\:@\-_=#]){2,}

匹配诸如但不限于以下URL：

• https://example.com
• http://example.com
• example.com
• example.com/test
• example.com?value=test

不匹配非URL，例如但不限于以下内容：

• C.C 水管工
• 句子结尾的句号。
• 像 a.b 或 x.y 这样的单字符。

请注意：由于上述原因，此正则表达式不会匹配任何单字符URL，例如：a.co，但如果前面有URL方案，如：http://a.co，则会匹配。

- Bailey Matthews

---

如果它只有 a.co 呢？ - MAC

Answer 9

你可以尝试这个：

r"(http[s]:\/\/)?([\w-]+\.)+([a-z]{2,5})(\/+\w+)? "

选择：

1. 可能以 http:// 或 https:// 开头（可选）

2. 任何以点（.）结尾的内容（单词）

3. 接着是 2 到 5 个小写字母 [a-z]

4. 接着是 "/[任何内容]"（可选）

5. 接着是空格

- Haris Thohir

Answer 10

我在使用anubhava的答案时遇到了很多问题，因为最近的PHP允许在字符串中使用$，而preg匹配无法正常工作。

这是我使用的代码：

// Regular expression
$re = '/((https?|ftp):\/\/)?([a-z0-9+!*(),;?&=.-]+(:[a-z0-9+!*(),;?&=.-]+)?@)?([a-z0-9\-\.]*)\.(([a-z]{2,4})|([0-9]{1,3}\.([0-9]{1,3})\.([0-9]{1,3})))(:[0-9]{2,5})?(\/([a-z0-9+%-]\.?)+)*\/?(\?[a-z+&$_.-][a-z0-9;:@&%=+\/.-]*)?(#[a-z_.-][a-z0-9+$%_.-]*)?/i';
// Match all
preg_match_all($re, $blob, $matches, PREG_SET_ORDER, 0);
// Print the entire match result
var_dump($matches);
// The first element of the array is the full match

- Mederic