正则表达式匹配网址

什么是正则表达式？

正则表达式是用于匹配文本的一种表达式语言。它使用应为常规字符和特殊字符的字符组成，特殊字符有不同的含义，用于指示匹配某些特定字符的方法。

在编程中，正则表达式经常用于字符串搜索，替换和验证。它可以用于各种编程语言，如Java，JavaScript，Python，PHP等等。

网址匹配的正则表达式

网址（URL）是Internet上的唯一标识符，因为在不同的网络资源之间提供链接是Web的基础。在编程中，需要匹配和确定URL，因此需要用正则表达式来管理。

下面是一个基本的网址正则表达式：

^((http[s]?|ftp):\/)?\/?([^:\/\s]+)((\/\w+)*\/)([\w\-\.]+[^#?\s]+)(.*)?(#[\w\-]+)?$

下面对上面的正则表达式逐一进行解释：

(http[s]?|ftp)：匹配http, https或ftp协议。
:\/：匹配“：/”完整字符串。
?：在正则表达式中，“？”表示可选的元素。
\/\/：匹配“//”完整字符串。
[^:\/\s]+：匹配URL的主机名和端口号。
(\/\w+)*：匹配URL的路径。
([\w\-\.]+[^#?\s]+)：匹配URL的文件名。
(.*)?：匹配URL的查询参数。
#[\w\-]+：匹配URL的片段。

现在让我们看一些实际例子。

匹配Http URL

下面是一个有效的 HTTP URL 的正则表达式，可以匹配 HTTP 和 HTTPS 协议。

(http|https):\/\/([\w_-]+(?:(?:\.|\:)\w{2,})+)(?:\/[\w_\/\.]*(?:\?\S+)?)?

以下是该正则表达式的逐一解释：

(http|https)：匹配 http 或 https 协议；
:\/\/：匹配：//字符；
([\w_-]+(?:(?:\.|\:)\w{2,})+)：匹配域名；
(?:\/[\w_\/\.]*(?:\?\S+)?)?：匹配URL路径和查找字符串。

以下是一些示例：

import re

pattern = re.compile(r'(http|https):\/\/([\w_-]+(?:(?:\.|\:)\w{2,})+)(?:\/[\w_\/\.]*(?:\?\S+)?)?')

url = 'https://www.baidu.com'

if pattern.match(url):
  print('Url matched!')
else:
  print('Url not matched!')

以上代码将输出 Url matched!。

匹配任何网址

如果您需要匹配任何网址，以下是一个结合了各种网址的正则表达式示例：

^(?:(http|https|ftp|smtp):\/\/)?(?:[a-z0-9-]+\.)+[a-z]{2,20}(?:(?:\/(?:[\w#!:.?+=&%@!\/-])*)+\/?)?$

以下是上面这个正则表达式的逐一解释：

(?:(http|https|ftp|smtp):\/\/)?：一个匹配http，https，ftp或smtp协议的可选组合。
(?:[a-z0-9-]+\.)+[a-z]{2,20}：匹配网址主体，且包含2至20个字母的域名。
(?:(?:\/(?:[\w#!:.?+=&%@!\/-])*)+\/?)：匹配所有或无路径元素。
继续看一些示例代码：

import re

pattern = re.compile(r'^(?:(http|https|ftp|smtp):\/\/)?(?:[a-z0-9-]+\.)+[a-z]{2,20}(?:(?:\/(?:[\w#!:.?+=&%@!\/-])*)+\/?)?$')

url = 'https://www.google.com'

if pattern.match(url):
  print('Url matched!')
else:
  print('Url not matched!')

以上代码将输出 Url matched!。

匹配一个IP地址

有时需要从文本中提取IP地址。下面是IP地址的正则表达式：

b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b

以下是上面这个正则表达式的逐一解释：

\b：匹配一个单词边界。
\d{1,3}：匹配1到3位数字。
\.：匹配“.”。
( \d {1,3} )：匹配1到3位数字，匹配IP地址的四个部分。
\b：匹配一个单词边界。

以下是一个示例：

import re

pattern = re.compile(r'\b\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}\b')

text = 'The IP address of this device is 192.168.0.1'

result = pattern.findall(text)

print(result)

以上代码将输出 ['192.168.0.1']。