c# - URL 的正则表达式，包括查询字符串

Question

我认为这将是一个简单的谷歌搜索，但显然不是。我可以在 C# 中使用什么正则表达式从较大的文本中解析出 URL 包括任何查询字符串？我花了很多时间，发现了很多不包含查询字符串的示例。而且我不能使用 System.URI，因为这假设您已经有了 URL...我需要在周围的文本中找到它。

Answer 1

这应该得到任何东西(随意添加额外的协议(protocol)):

@"(https?|ftp|file)\://[A-Za-z0-9\.\-]+(/[A-Za-z0-9\?\&\=;\+!'\(\)\*\-\._~%]*)*"

真正的困难是找到终点。照原样，此模式依赖于查找无效字符。这将是域名末尾之前的字母、数字、连字符或句点以外的任何内容，或者除了正斜杠 (/)、问号 (?)、与号 (&)、等号 (=) 之外的任何内容分号 (;)、加号 (+)、感叹号 (!)、撇号/单引号 (')、左/右括号、星号 (*)、下划线 (_)、波浪号 (~) 或百分号 (% ) 在域名之后。

请注意，这将允许无效的 URL，例如

http://../

它会在 URL 之后获取内容，例如在这个字符串中:

Maybe you should try http://www.google.com.

"http://www.google.com."(带有尾随句点)将被匹配。

它还会漏掉不是以协议(protocol)规范开头的 URL(具体来说，是第一组括号内的协议(protocol)。例如，它会漏掉此字符串中的 URL:

Maybe you should try www.google.com.

如果没有一些更好定义的边界，很难得到每个案例。