这个正则表达式匹配,不应该.为什么？

Question

这个正则表达式:

^((HTTPS | FTP)\:(\ /\/)|(文件\:\/{2,3}))(((25 [0-5] | 2 [0-4] - [O- 9] | [01]？[0-9] [0-9]？)\.){3}(25 [0-5] | 2 [0-4] [0-9] | [01]？[ 0-9] [0-9]？))|(((([[ - zA-Z0-9] +)(\.)？)+？)(\.)([az] {2} | com |组织|网络| GOV |万|企业|资讯|牧高笛|名称|航空|人才招聘|？博物馆))([？A-ZA-Z0-9\\ = \&\%\ /]*)$

格式化可读性:

^( # Begin regex / begin address clause
  (https?|ftp)\:(\/\/)|(file\:\/{2,3}))? # protocol
  ( # container for two address formats, more to come later
   ((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}
   (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?) # match IP addresses
  )|( # delimiter for address formats
   ((([a-zA-Z0-9]+)(\.)?)+?) # match domains and any number of subdomains
   (\.) #dot for .com
   ([a-z]{2}|com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum) #TLD clause
  ) # end address clause
([a-zA-Z0-9\?\=\&\%\/]*)? # querystring support, will pretty this up later
$

匹配:

www.google

而且不应该.这是我的"失败"测试用例之一.我已经声明,当在alpha上而不是在IP上匹配时,URL的TLD部分是必需的,并且"google"不适合"[az] {2}"子句.

请记住,我将单独解决以下问题 - 这个问题是关于为什么它与www.google匹配而不应该.

• Querystring只需要支持正确的格式,目前接受任何querystring字符组合
• 虽然我的要求范围可能不包括它们,但不支持几种协议
• 不包含3个字符的不常见顶级域名
• 可能匹配http://www.google..com - 将检查连续点
• 不支持十进制IP地址格式

我的正则表达式有什么问题？

编辑:另请参阅另一个测试用例中此正则表达式的早期版本的上一个问题: 如何正确地使此正则表达式匹配？

edit2:已修复 - 更正后的正则表达式(如提出的那样)是:

^((HTTPS | FTP)\:(\ /\/)|(文件\:\/{2,3}))(((25 [0-5] | 2 [0-4] - [O- 9] | [01]？[0-9] [0-9]？)\.){3}(25 [0-5] | 2 [0-4] [0-9] | [01]？[ 0-9] [0-9]))|(((([A-ZA-Z0-9] +)(\).？)+)(\)([AZ] {2} |？.com |组织|网络| GOV |万|企业|资讯|牧高笛|名称|航空|人才招聘|博物馆))([\ /] [\/A-ZA-Z0-9 \.]*)*([\ /？ ] [\？] [A-ZA-Z0-9\= \&\%\ /]*)？$

Answer 1

"谷歌"可能不适合[a-z]{2},但它确实适合[a-z]{2}([a-zA-Z0-9\?\=\&\%\/]*)?- /如果URL超出域名,您忘记要求在TLD之后.所以它用"www.go"作为域解释它,然后"ogle"跟随它,之间没有斜线.您可以通过[?/]在最后一个组的前面添加一个来修复它,以便在TLD和URL的任何其他部分之间要求这两个符号之一.