正则表达式将 URL 与可选的“www”和协议相匹配

Question

我正在尝试编写一个正则表达式。

一些背景信息：我尝试查看我网站 URL 的 REQUEST_URI 是否包含另一个 URL。像这些：

• http://mywebsite.com/ google.com/search=xyz

但是，该 url 不会总是包含“http”或“www”。所以模式也应该匹配像这样的字符串：

• http://mywebsite.com/ yahoo.org/search=xyz
• http://mywebsite.com/ www.yahoo.org/search=xyz
• http://mywebsite.com/msn.co.uk '
• http://mywebsite.com/ http://msn.co.uk '

有一堆正则表达式可以匹配 url，但我发现没有一个可以在 http 和 www 上进行可选匹配。

我想知道匹配的模式是否可能是这样的：

^([az]) .(com|ca|org|etc)(. )

我想也许另一种选择可能是匹配任何包含点 (.) 的字符串。（因为我的应用程序中的其他 REQUEST_URI 通常不包含点）

这对任何人都有意义吗？我真的很感激这方面的一些帮助，因为它已经阻止了我的项目数周。

非常感谢你-蒂姆

Answer 1

我建议使用一种简单的方法，基本上建立在你所说的基础上，只是任何带有点的东西，但也使用正斜杠。捕获所有内容而不会错过不寻常的 URL。所以像：

^((?:https?:\/\/)?[^./]+(?:\.[^./]+)+(?:\/.*)?)$

它是这样写的：

• 可选 http:// 或 https://
• 非点或正斜杠字符
• 一组或多组点，后跟非点或正斜杠字符
• 可选的正斜杠及其后的任何内容

将整个事物捕获到第一个分组。

它将匹配，例如：

• nic.uk
• nic.uk/
• http://nic.uk
• http://nic.uk/
• https://example.com/test/?a=bcd

验证它们是有效的 URL 是另一回事！它也将匹配：

• index.php

它不会匹配：

• directory/index.php

最小匹配基本上是something.something，其中没有正斜杠，除非它在点之后至少出现一个字符。因此，请确保不要将这种格式用于其他任何用途。