Python正则表达式再探 - 匹配URL

Question

我有这样一个正则表达式：

 re.compile(r"((https?):((//)|(\\\\))+[\w\d:#@%/;$()~_?\+-=\\\.&]*)", re.MULTILINE|re.UNICODE)

但是它没有包含 哈希bang (#!)。我需要改什么才能让它正常工作？我知道我可以在一个包含 #@% 等的组里加上 !，但是那样会选中像这样的内容：

Check this out: http://example.com/something/!!!

而我想避免那种情况。

Answer 1

这是一个常见的问题。可以使用默认的库来解决。

如果你在用Python，可以使用urlparse这个工具。

Answer 2

这段内容可能有点长，但实际上我的这个方法效果挺不错的。请试试这个：

((http|https)\:\/\/)?[a-zA-Z0-9\.\/\?\:@\-_=#]+\.([a-zA-Z]){2,6}([a-zA-Z0-9\.\&\/\?\:@\-_=#])*

它可以匹配下面所有的例子：

http://wwww.stackoverflow.com
abc.com
http://test.test-75.1474.stackoverflow.com/
stackoverflow.com/
stackoverflow.com
rfordyce@broadviewnet.com
http://www.example.com/etcetc
www.example.com/etcetc
example.com/etcetc
user:pass@example.com/etcetc
(www.itmag.com)
example.com/etcetc?query=aasd
example.com/etcetc?query=aasd&dest=asds
http://stackoverflow.com/questions/6427530/regular-expression-pattern-to-
match-url-with
www/Christina.V.Scott@gmail.com
line.lundvoll.nilsen@telemed.no.
s.hossain@unsw.edu.au
s.hossain@unsw.edu.au

Answer 3

别自己去写匹配网址的正则表达式。可以用别人已经解决过这个问题的，比如这个。