如何解决检测并从字符串中提取URL?
| 这是一个简单的问题,但是我不明白。 我想检测字符串中的url,然后将其替换为较短的url。 我从stackoverflow找到了这个表达式,但是结果只是http
Pattern p = Pattern.compile(\"\\\\b(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]\",Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(str);
boolean result = m.find();
while (result) {
for (int i = 1; i <= m.groupCount(); i++) {
String url=m.group(i);
str = str.replace(url,shorten(url));
}
result = m.find();
}
return html;
有更好的主意吗?解决方法
m.group(1)为您提供第一个匹配组,即第一个捕获括号。这是ѭ2
您应该尝试查看m.group(0)中是否有内容,或者用括号将所有模式括起来,然后再次使用m.group(1)。
您需要重复查找功能以匹配下一个并使用新的组数组。,让我继续前进,并说我不是复杂案例的正则表达式的拥护者。试图为这种事情写出完美的表达是非常困难的。也就是说,我确实有一个用于检测URL的应用程序,并且它由通过的350行单元测试用例类支持。有人从一个简单的正则表达式开始,多年来,我们已经发展了表达式和测试用例来处理我们发现的问题。这绝对不是小事:
// Pattern for recognizing a URL,based off RFC 3986
private static final Pattern urlPattern = Pattern.compile(
\"(?:^|[\\\\W])((ht|f)tp(s?):\\\\/\\\\/|www\\\\.)\"
+ \"(([\\\\w\\\\-]+\\\\.){1,}?([\\\\w\\\\-.~]+\\\\/?)*\"
+ \"[\\\\p{Alnum}.,%_=?&#\\\\-+()\\\\[\\\\]\\\\*$~@!:/{};\']*)\",Pattern.CASE_INSENSITIVE | Pattern.MULTILINE | Pattern.DOTALL);
这是使用它的示例:
Matcher matcher = urlPattern.matcher(\"foo bar http://example.com baz\");
while (matcher.find()) {
int matchStart = matcher.start(1);
int matchEnd = matcher.end();
// now you have the offsets of a URL match
}
,/**
* Returns a list with all links contained in the input
*/
public static List<String> extractUrls(String text)
{
List<String> containedUrls = new ArrayList<String>();
String urlRegex = \"((https?|ftp|gopher|telnet|file):((//)|(\\\\\\\\))+[\\\\w\\\\d:#@%/;$()~_?\\\\+-=\\\\\\\\\\\\.&]*)\";
Pattern pattern = Pattern.compile(urlRegex,Pattern.CASE_INSENSITIVE);
Matcher urlMatcher = pattern.matcher(text);
while (urlMatcher.find())
{
containedUrls.add(text.substring(urlMatcher.start(0),urlMatcher.end(0)));
}
return containedUrls;
}
例:
List<String> extractedUrls = extractUrls(\"Welcome to https://stackoverflow.com/ and here is another link http://www.google.com/ \\n which is a great search engine\");
for (String url : extractedUrls)
{
System.out.println(url);
}
印刷品:
https://stackoverflow.com/
http://www.google.com/
,在整个内容周围加上一些括号(开始时的单词边界除外),它应与整个域名匹配:
\"\\\\b((https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|])\"
我不认为regex匹配整个URL。,检测URL并非易事。如果足以让您获取以https?| ftp | file开头的字符串,那就可以了。这里的问题是,您有一个捕获小组,()
,而这些小组仅位于第一部分http ...附近。
我将使用(?:)将这部分设为一个非捕获组,并将整个内容放在方括号中。
\"\\\\b((?:https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|])\"
,这个小代码片段/函数将有效地从Java中的字符串中提取URL字符串。我在这里找到了执行此操作的基本正则表达式,并在Java函数中使用了它。
为了捕获不是以“ http://”开头的链接,我在基本正则表达式上做了一些扩展,添加了“ | www [。]”部分。
聊够了(很便宜),下面是代码:
//Pull all links from the body for easy retrieval
private ArrayList pullLinks(String text) {
ArrayList links = new ArrayList();
String regex = \"\\\\(?\\\\b(http://|www[.])[-A-Za-z0-9+&@#/%?=~_()|!:,.;]*[-A-Za-z0-9+&@#/%=~_()|]\";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(text);
while(m.find()) {
String urlStr = m.group();
if (urlStr.startsWith(\"(\") && urlStr.endsWith(\")\"))
{
urlStr = urlStr.substring(1,urlStr.length() - 1);
}
links.add(urlStr);
}
return links;
}
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。