Liberale URL Regex di aiuto Hacking Gruber

Question

Mi sono preso la liberale URL Regex da Daring Fireball , fusa con alcuni dei miglioramenti Alan tempesta e hacked la mia strada nel fissare alcuni bug come il supporto per i caratteri IDN all'interno delle parentesi. Questo è quello che ho:

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

Comunque ho incontrato un bug che non sto essendo in grado di risolvere:

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

L'URL di cui sopra è stato riconosciuto come www.dsd(sd)sdsd.com' (o www.dsd.com/whatever(whatever)') al posto di www.dsd(sd)sdsd.com (o www.dsd.com/whatever(whatever)). Questo sembra accadere solo quando l'URL è parentesi, dal momento che il seguente URL:

'www.sampleurl.com'

è correttamente essere riconosciuto come www.sampleurl.com.

Credo che la parte [^[:punct:]\s]|\/ del regex non viene eseguita quando l'URL ha parentesi , ho cercato per qualche tempo, ma io non riesco a trovare una soluzione. Qualcuno mi può aiutare?

Per merce, ho creato una Rubular permalink con l'espressione regolare e alcuni dati di test (l'ultimo URL fallisce).

---

Credo che regex di Gruber era un po 'affrettata, per esempio, non corrisponde del URL del tipo:

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

Sono ancora più colpito nel vedere che entrambi Gruber e Alan perso questo molto semplice errore di battitura:

\([\w\d]+\)

Non sarebbe \(\w+\) essere sufficiente? : S

Answer 1

Gruber ha rivisto la sua espressione regolare :

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

funziona bene ora .

Answer 2

www.dsd (sd) sdsd.com non è un nome di dominio valido.

Se avessi 'www.dsd.com/whatever(whatever)', sarebbe stato riconosciuto correttamente. (O almeno è nelle mie prove)

Answer 3

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

Ecco come credo che questo si rompe ... la punta del regex sopra (sd) inizia con un sfuggiti parentesi aperta, poi un Stared char classe corrispondente sd, poi un sfuggiti paren di chiusura, e la prossima cosa è [^\s()<>]* che corrisponde sdsd.com' .