regex - Ruby - 正则表达式允许 URL 中包含任何非 ASCII 中文字符

Question

我正在尝试为也包含中文字符的 URL 编写正则表达式。编写这样的正则表达式的目的是每当遇到包含中文字符的 URL 时，它与 URL 不匹配并给出输出，因为找不到结果。

我有一个适用于普通 URL 的正则表达式，如下所示:

^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-]*)*\/?$

这涵盖了任何内容，例如 www.google.com，但不适用于 http://www.James.com/ 这样的 URL。

我还尝试了 Ruby 的 URI 模块来验证 URL，但它不起作用。

我正在使用Rubular检查我的正则表达式。

预期:Ruby 中的正则表达式，可验证任何 URL，包括任何语言(即法语、中文等)的字符及其查询字符串参数，如 http ://www.James.com/?abc=1234.

Answer 1

我不确定你的正则表达式的其余部分(查询/路径部分)，所以让我只关注主机部分。您需要使用 unicode 字符类，例如\p{L} 而不是仅 ASCII 的 [a-z]。例如:

'http://www.詹姆斯.com/?abc=1234'.match(/^(https?:\/\/)?([\d\p{L}\.-]+)/)
# => #<MatchData "http://www.詹姆斯.com" 1:"http://" 2:"www.詹姆斯.com">

查看更多docs .