正则表达式的URL C＃

Question

在我的C＃程序，我写了谷歌搜索功能，它的工作原理是从获取每个页面的源，并通过正则表达式得到的URL。

我的实际正则表达式是：

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

这工作不错的那一刻，但我得到例如网址像http://www.example.com/forums/arcade.php?efdf=332

我只是想在这种情况下获得的URL，而不在最后的?efdf=332。

所以，我应该怎么改变正则表达式？

Answer 1

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

确实相同您正则表达式（我已经删除了许多不必要的冗余代码的），但停止一个?之前匹配的链接。

在C＃：

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

这是说，我不知道这是相符的网址这样的好方法（怎么样https，ftp，mailto等？）

Answer 2

可以使用 Uri 类来访问各种部件该URL的内容，然后从端删除的查询字符串，或连接所需的部分。