Ho bisogno di un regEx per abbinare gli URL generali
-
08-07-2019 - |
Soluzione
Secondo RFC2396 :
^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?
Altri suggerimenti
aggiungendo RegEx come risposta wiki:
[\w+-]+://([a-zA-Z0-9]+\.)+[[a-zA-Z0-9]+](/[%\w]+)(\?[-A-Z0-9+&@#/%=~_|!:,.;]*)?
opzione 2 (Re CMS)
^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?
Ma questo è lassista per qualsiasi cosa sana di mente così ridotta per renderla più restrittiva e per differenziare altre cose.
proto :// name : pass @ server :port /path ? args
^([^:/?#]+)://(([^/?#@:]+(:[^/?#@:]+)?@)?[^/?#@:]+(:[0-9]+)?)(/[^?#]*)(\?([^#]*))?
Sono arrivato a questo da una direzione leggermente diversa. Volevo emulare l'abilità di Gchats per abbinare something.co.uk
e collegarlo. Quindi sono andato con una regex che cerca un .
senza un periodo successivo o uno spazio su entrambi i lati e quindi afferra tutto intorno ad esso fino a quando non colpisce lo spazio. Corrisponde a un periodo alla fine di un URI, ma lo toglierò più tardi. Quindi questa potrebbe essere un'opzione se preferisci i falsi positivi piuttosto che perdere alcuni potenziali
url_re = re.compile(r"""
[^\s] # not whitespace
[a-zA-Z0-9:/\-]+ # the protocol and domain name
\.(?!\.) # A literal '.' not followed by another
[\w\-\./\?=&%~#]+ # country and path components
[^\s] # not whitespace""", re.VERBOSE)
url_re.findall('http://thereisnothing.com/a/path adn some text www.google.com/?=query#%20 https://somewhere.com other-countries.co.nz. ellipsis... is also a great place to buy. But try text-hello.com ftp://something.com')
['http://thereisnothing.com/a/path',
'www.google.com/?=query#%20',
'https://somewhere.com',
'other-countries.co.nz.',
'text-hello.com',
'ftp://something.com']