使用Lua模式匹配我希望能够解析一个字符串并找到以下URL
http://www.test.com/ www.test.com/ test.com/ test-test.test.com/
斜杠可以是可选的,但如果包含它,它必须能够找到嵌套文件夹,例如：
test.com/test/
这样我可以使用单个模式匹配来查找URL.问题是我使用的所有例子都不起作用或导致魔兽世界永远不会让加载屏幕出现我自己无法解决的错误.
我不再拥有我在代码中使用的模式,因此我可以使用一个可以工作的模式,而不是钩住不正确的URL.如果以后需要,我会提出一些.
解决方法
-- all characters allowed to be inside URL according to RFC 3986 but without
-- comma,semicolon,apostrophe,equal,brackets and parentheses
-- (as they are used frequently as URL separators)
local text_with_URLs = [[
<a href="http://www.lua.org:80/manual/5.2/contents.html">L.ua 5.2</a>
[url=127.0.0.1:8080]forum link[/url]
intranet links: http://test,http://retracker.local/announce
[markdown link](https://74.125.143.101/search?q=Who+are+the+Lua+People%3F)
long subdomain chain: very.long.name.of.my.site.co.uk
auth link: ftp://user:pwd@site.com/path - not recognized yet :(
]]
local domains = [[.ac.ad.ae.aero.af.ag.ai.al.am.an.ao.aq.ar.arpa.as.asia.at.au
.aw.ax.az.ba.bb.bd.be.bf.bg.bh.bi.biz.bj.bm.bn.bo.br.bs.bt.bv.bw.by.bz.ca
.cat.cc.cd.cf.cg.ch.ci.ck.cl.cm.cn.co.com.coop.cr.cs.cu.cv.cx.cy.cz.dd.de
.dj.dk.dm.do.dz.ec.edu.ee.eg.eh.er.es.et.eu.fi.firm.fj.fk.fm.fo.fr.fx.ga
.gb.gd.ge.gf.gh.gi.gl.gm.gn.gov.gp.gq.gr.gs.gt.gu.gw.gy.hk.hm.hn.hr.ht.hu
.id.ie.il.im.in.info.int.io.iq.ir.is.it.je.jm.jo.jobs.jp.ke.kg.kh.ki.km.kn
.kp.kr.kw.ky.kz.la.lb.lc.li.lk.lr.ls.lt.lu.lv.ly.ma.mc.md.me.mg.mh.mil.mk
.ml.mm.mn.mo.mobi.mp.mq.mr.ms.mt.mu.museum.mv.mw.mx.my.mz.na.name.nato.nc
.ne.net.nf.ng.ni.nl.no.nom.np.nr.nt.nu.nz.om.org.pa.pe.pf.pg.ph.pk.pl.pm
.pn.post.pr.pro.ps.pt.pw.py.qa.re.ro.ru.rw.sa.sb.sc.sd.se.sg.sh.si.sj.sk
.sl.sm.sn.so.sr.ss.st.store.su.sv.sy.sz.tc.td.tel.tf.tg.th.tj.tk.tl.tm.tn
.to.tp.tr.travel.tt.tv.tw.tz.ua.ug.uk.um.us.uy.va.vc.ve.vg.vi.vn.vu.web.wf
.ws.xxx.ye.yt.yu.za.zm.zr.zw]]
local tlds = {}
for tld in domains:gmatch'%w+' do
tlds[tld] = true
end
local function max4(a,b,c,d) return math.max(a+0,b+0,c+0,d+0) end
local protocols = {[''] = 0,['http://'] = 0,['https://'] = 0,['ftp://'] = 0}
local finished = {}
for pos_start,url,prot,subd,tld,colon,port,slash,path in
text_with_URLs:gmatch'()(([%w_.~!*:@&+$/?%%#-]-)(%w[-.%w]*%.)(%w+)(:?)(%d*)(/?)([%w_.~!*:@&+$/?%%#=-]*))'
do
if protocols[prot:lower()] == (1 - #slash) * #path and not subd:find'%W%W'
and (colon == '' or port ~= '' and port + 0 < 65536)
and (tlds[tld:lower()] or tld:find'^%d+$' and subd:find'^%d+%.%d+%.%d+%.$'
and max4(tld,subd:match'^(%d+)%.(%d+)%.(%d+)%.$') < 256)
then
finished[pos_start] = true
print(pos_start,url)
end
end
for pos_start,dom,path in
text_with_URLs:gmatch'()((%f[%w]%a+://)(%w[-.%w]*)(:?)(%d*)(/?)([%w_.~!*:@&+$/?%%#=-]*))'
do
if not finished[pos_start] and not (dom..'.'):find'%W%W'
and protocols[prot:lower()] == (1 - #slash) * #path
and (colon == '' or port ~= '' and port + 0 < 65536)
then
print(pos_start,url)
end
end
输出：
13 http://www.lua.org:80/manual/5.2/contents.html 61 L.ua 82 127.0.0.1:8080 197 https://74.125.143.101/search?q=Who+are+the+Lua+People%3F 281 very.long.name.of.my.site.co.uk 133 http://test 146 http://retracker.local/announce
第二行被打印,因为它看起来像一些乌克兰网站:-)
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。