帮助破解 Gruber 的 Liberal URL Regex

StackOverflow https://stackoverflow.com/questions/2026041

  •  19-09-2019
  •  | 
  •  

题

我已经采取了 来自 Daring Fireball 的自由 URL 正则表达式, ，将其与 艾伦·斯托姆 (Alan Storm) 的一些改进 并以我的方式修复了一些错误，例如对括号内 IDN 字符的支持。这就是我所拥有的：

/(?:[\w-]+:\/\/?|www[.])[^\s()<>]+(?:(?:\([^\s()<>]*\)[^\s()<>]*)+|[^[:punct:]\s]|\/)/

但是我遇到了一个无法解决的错误：

'www.dsd(sd)sdsd.com' // can also be the valid 'www.dsd.com/whatever(whatever)'

上面的 URL 被识别为 www.dsd(sd)sdsd.com' （或者 www.dsd.com/whatever(whatever)'） 代替 www.dsd(sd)sdsd.com （或者 www.dsd.com/whatever(whatever)）。这似乎仅在 URL 有括号时才会发生，因为以下 URL：

'www.sampleurl.com'

是否被正确识别为 www.sampleurl.com.

我认为 这 [^[:punct:]\s]|\/ 当 URL 有括号时，正则表达式的一部分不会被执行, ，我已经尝试了一段时间，但似乎找不到解决方案。谁能帮我？

对于商品，我设置了一个 红柱状永久链接 使用正则表达式和一些测试数据 （最后一个 URL 失败）。

我认为 Gruber 的正则表达式有点仓促，例如它与 URL 不匹配，例如：

http://en.wikipedia.org/wiki/Something_(Special)_For_You

更让我印象深刻的是 格鲁伯 和 艾伦 错过了这个非常简单的错字：

\([\w\d]+\)

不会 \(\w+\) 足够？：S

有帮助吗？

解决方案

似乎 格鲁伯修改了他的正则表达式:

\b((?:[a-z][\w-]+:(?:\/{1,3}|[a-z0-9%])|www\d{0,3}[.])(?:[^\s()<>]+|\([^\s()<>]+\))+(?:\([^\s()<>]+\)|[^`!()\[\]{};:'".,<>?«»“”‘’\s]))

现在工作得很好.

其他提示

www.dsd(sd)sdsd.com 不是有效的域名。

如果你有 'www.dsd.com/whatever(whatever)', ，就会被正确识别。（或者至少在我的测试中）

 /(?:[\w-]+:\/\/?|www[.])[^\s()<>]+(?:(?:\([^\s()<>]*\)[^\s()<>]*)+|[^[:punct:]\s]|\/)/
  www.                   |               |            |
                          dsd            |            |
                                          (sd)        |
                                                       sdsd.com'

这就是我认为这会崩溃的方式......上面正则表达式的位 (sd) 以转义的开括号开头，然后是加注星号的 char 类匹配 sd, ，然后是转义的右括号，接下来是 [^\s()<>]* 哪个匹配 sdsd.com'.

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top