Question

如何在一个文本块中发现URI？

这个想法是将这些文本转换为链接。如果只考虑http（s）和ftp（s）方案，这很简单;但是，我猜测一般问题（考虑tel，mailto和其他URI方案）要复杂得多（如果可能的话）。

如果可能的话，我更喜欢C＃中的解决方案。谢谢。

Answer 1

正则表达式可能是一个很好的起点，尽管URI和URL很难与单一模式匹配。

为了说明，最简单的模式看起来相当复杂（用Perl 5表示法）：

\w+:\/{2}[\d\w-]+(\.[\d\w-]+)*(?:(?:\/[^\s/]*))*

这会匹配 http://example.com/foo/bar-baz

和 ftp://192.168.0.1/foo/file.txt

但至少会导致问题：

mailto:support@stackoverflow.com（不匹配 - 不是//，但是现在@）
ftp://192.168.0.1.2（匹配，但数字太多，因此它不是有效的URI）
ftp://1000.120.0.1（匹配，但IP地址需要0到255之间的数字，因此它不是有效的URI）
nonexistantscheme://obvious.false.positive
http://www.google.com/search?q=uri+regular+expression（匹配，但查询不是我认为这是80:20规则的一个例子。如果你想抓住大多数东西，那么如果你不能自己写一个，我会按照建议找到一个体面的正则表达式。

如果您正在查看从相当受控制的来源（例如机器生成）中提取的文本，那么这将是最好的行动方案。

如果你绝对肯定必须抓住你遇到的每一个URI，并且你正在查看来自野外的文本，那么我想我会寻找带有冒号的任何单词，例如\s(\w:\S+)\s。一旦你有一个合适的URI候选者，然后将它传递给你正在使用的任何库的URI类中的真正的URI解析器。

如果你对为什么编写URI模式这么难感兴趣，我想是URI的定义是用Type-2 grammar来完成的，而正则表达式只能解析来自{的语言。 {3}}

Answer 2

某个URI是否与上下文相关。一般来说，他们唯一的共同点就是他们开始“scheme_name：”。方案名称可以是任何内容（受法律字符限制）。但是其他字符串也包含冒号而不是URI。

因此，您需要确定您感兴趣的方案。通常，您可以为您关注的每个方案搜索“scheme_name：”，然后搜索字符到空格。不幸的是，URI可以包含空格，因此如果它们嵌入文本中，它们可能含糊不清。没有什么可以解决模糊性 - 编写文本的人必须解决它。 URI可以选择包含在＆lt;＆gt;中。但是，大多数人并不这样做，因此认识到这种格式只会偶尔有所帮助。

维基百科关于URI的文章列出了相关的RFC。

[编辑添加：使用正则表达式来完全验证URI是一场噩梦 - 即使你以某种方式找到或创建一个正确的，它将非常大并且难以评论和维护。幸运的是，如果你所做的只是突出显示链接，你可能不关心奇怪的误报，所以你不需要验证。只需查找“http：//”，“mailto：\ S * @”等]

Answer 3

对于很多协议，你可以只搜索“：//”而不用引号。但不确定其他人。

Answer 4

以下是包含各种需求的正则表达式的代码段：

http://snipplr.com/view/6889/regular-expressions-for-uri-validationparsing/

Answer 5

如果您还要匹配“something.tld”，这并不容易，因为普通文本将包含该模式的许多实例，但如果您只想匹配以方案开头的URI，则可以尝试这个正则表达式（抱歉，我不知道如何用C＃插入它）

(http|https|ftp|mailto|tel):\S+[/a-zA-Z0-9]

您可以在那里添加更多方案，并且它将匹配方案直到下一个空格字符，同时考虑到最后一个字符无效（例如，在通常的字符串“http://www.example.com”中。）

Answer 6

URL Tool for Ubiquity执行以下操作：

findURLs: function(text) {
    var urls = [];
    var matches = text.match(/(\S+\.{1}[^\s\,\.\!]+)/g);
    if (matches) {
        for each (var match in matches) {
            urls.push(match);
        }
    }
    return urls;
},

Answer 7

下面的perl regexp应该可以解决问题。 c＃有perl regexps吗？

/\w+:\/\/[\w][\w\.\/]*/

如何匹配文本中的URI？

7 个答案: