regex لعنوان url c#

Question

في برنامج C# ، كتبت وظيفة بحث Google ، والتي تعمل عن طريق جلب المصدر من كل صفحة والحصول على عناوين URL عبر Regex.

regex الفعلي الخاص بي هو:

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

هذا يعمل بشكل جيد في الوقت الحالي ، لكنني أحصل على عناوين URL على سبيل المثال http://www.example.com/forums/arcade.php?efdf=332

أريد فقط أن أحصل في هذه الحالة على عنوان URL بدون ?efdf=332 في نهايةالمطاف.

فكيف يمكنني تغيير regex؟

Answer 1

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

هل نفس الشيء مثل regex (لقد قمت بإزالة الكثير من الرصيف غير الضروري) ولكنك توقف عن مطابقة الرابط قبل أ ?.

في C#:

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

ومع ذلك ، لست متأكدًا من أن هذه طريقة جيدة لمطابقة عناوين URL (ماذا عن https, ftp, mailto إلخ.؟)

Answer 2

يمكنك استعمال ال Uri فئة للوصول إلى أجزاء مختلفة من عنوان URL وإما إزالة سلسلة الاستعلام من النهاية ، أو تسلس الأجزاء التي تريدها.