Expresiones regulares para la URL C #

Question

En mi programa en C # Me escribió una función de búsqueda de Google, que funciona por ir a buscar la fuente de cada página y conseguir las direcciones URL a través de expresiones regulares.

Mi real expresión regular es:

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

Esto funciona bien en este momento, pero me da, por ejemplo, las direcciones URL como http://www.example.com/forums/arcade.php?efdf=332

Sólo quiero estar en este caso la URL sin el ?efdf=332 al final.

Entonces, ¿cómo debería cambiar la expresión regular?

Answer 1

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

hace lo mismo que su expresión regular (He quitado una gran cantidad de costra innecesario), pero se detiene a juego un enlace antes de una ?.

En C #:

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

Dicho esto, no estoy seguro de que esto es una buena manera de URLs que coinciden (¿qué pasa con https, ftp, mailto etc.?)

Answer 2

Se puede utilizar la clase Uri para acceder a diversas partes de la dirección URL y, o bien eliminar la cadena de consulta desde el final, o concatenar las partes que desea.