Regex pour URL C #

Question

Dans mon programme C # J'ai écrit une fonction de recherche Google, qui fonctionne en allant chercher la source de chaque page et obtenir les URL via regex.

Mon réelle expression rationnelle est:

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

Cela fonctionne bien pour le moment, mais je reçois par exemple les URL comme http://www.example.com/forums/arcade.php?efdf=332

Je veux juste obtenir dans ce cas, l'URL sans ?efdf=332 à la fin.

Alors, comment dois-je changer le regex?

Answer 1

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

fait la même chose que votre regex (je l'ai enlevé beaucoup de cochonneries inutiles), mais arrête un lien correspondant à une avant ?.

En C #:

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

Cela dit, je ne suis pas sûr que ce soit une bonne façon d'URL correspondant (quid https, ftp, mailto etc.?)

Answer 2

Vous pouvez utiliser la classe Uri pour accéder aux différentes parties de l'URL et supprimez la chaîne de requête à partir de la fin ou concaténer les pièces que vous voulez.