javascript - 正则表达式在简短的副本中查找网址

Question

有了一份简短的副本，我需要匹配所有出现的网站链接。为了简单起见，需要找出这种格式的地址:

www.aaaaaa.bbbbbb
http://aaaaaa.bbbb
https://aa.bbbb

但我还需要处理更长的 www/http/https 版本:

www.aaaaa.bbbb.ccc.ddd.eeee

等等。所以基本上子域的数量是未知的。现在我想出了这个正则表达式:

(www\.([a-zA-Z0-9-_]|\.(?!\s))+)[\s|,|$]|(http(s)?:\/\/(?!\.)([a-zA-Z0-9-_]|\.(?!\s))+)[\s|,|$]

如果您测试:

this is some tex with www.somewIebsite.dfd.jhh.hjh inside of it or maybe http://www.ssss.com or maybe https://evenore.com hahaah blah

除了地址位于最后面之外，它工作正常。 $ 似乎仅在末尾有\n 时才起作用，并且失败:

this is some tex with www.somewIebsite.dfd.jhh.hjh

我猜修复很简单，但我错过了一些明显的东西，那么我该如何修复它呢？顺便说一句，如果你想快速玩一下，我在这里发布了正则表达式 https://regex101.com/r/eL1bI4/3

Answer 1

问题在于您将结束 anchor $ 放置在字符组 [] 内

[\s|,|$]

然后它被字面解释为美元符号，而不是 anchor (管道字符 | 也被字面解释，那里不需要它)。解决方案是将 $ anchor 移到外面:

(?:[\s,]|$)

但是，在这种情况下，使用正向前瞻而不是非捕获组更有意义(您不需要尾随空格或逗号):

(?=[\s,]|$)

在结果中，您将得到以下正则表达式模式:

(www\.([a-zA-Z0-9-_]|\.(?!\s))+)(?=[\s,]|$)|(http(s)?:\/\/(?!\.)([a-zA-Z0-9-_]|\.(?!\s))+)(?=[\s,]|$)

参见the working demo .

处理尾随句号的更新版本:

(www\.([a-zA-Z0-9-_]|\.(?!\s|\.|$))+)(?=[\s,.]|$)|(http(s)?:\/\/(?!\.)([a-zA-Z0-9-_]|\.(?!\s|\.|$))+)(?=[\s,.]|$)

参见the working demo .