Url 正则表达式调整为仅捕获 url 而不是 ip

在开发过程中，需要使用正则表达式来捕获 URL。但是，现有的正则表达式不仅会捕获 URL，还会捕获单个 IP 地址。为了解决这一问题，文章提供了两种方法。 第一种方法是使用正则表达式和 FindAllStringSubmatch 函数，匹配需要跳过的内容，并匹配和捕获需要保留的内容。这种方法可以灵活地调整 IP 地址匹配模式。 第二种方法是使用正则表达式和正则表达式的分组功能，将 URL 和 IP 地址分别捕获到不同的组中。然后，可以通过检查捕获组的内容来过滤出 URL。这种方法更简单，但 IP 地址匹配模式的调整灵活性较低。

我制作了这个正则表达式来捕获所有类型的 url （它实际上捕获所有 url），但它也捕获单个 ip。

这是我的场景：我有一个包含 ip、哈希值和 url 的列表，并且我的 url 正则表达式和 ip 正则表达式都捕获相同的条目。我不知道单个ip是否可以被视为“url”。

我的正则表达式：((http|https)://)?(www)?[-a-za-z0-9@:%._\+~#=]{1,256}\.[a- za-z0-9()]{1,9}\b([-a-za-z0-9()@:%_\|+.~#?&//={};,\[\] '"$\x60]*)?

捕获所有这些：

http://127.0.0.1/
http://127.0.0.1
https://127.0.0.1/m=weblogin/loginform238,363,771,89816356,2167
127.0.0.1:8080 ------> excluding this one is okay too (optional)
127.0.0.1 ------> i want to exclude this one
google.com
google.com:80
www.google.com
https://google.com
https://www.google.com

我希望我的正则表达式能够捕获除单个 ip 之外的所有 url，如下所示：

127.0.0.1

• 注意：我想在 golang 代码中使用它（使用 golang 正则表达式引擎）
• 注意：我正在使用 regexp.compile() 和 findallstring 函数。

在 regex101 上尝试这个正则表达式

解决方案

您可以使用正则表达式实现 "best trick ever" 和 FindAllStringSubmatch：匹配您需要跳过/省略的内容，并匹配并捕获您需要保留的内容。

\b(?:https?://)?(?:(?: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]?)\b(?:[^:]|$)|((?:https?://)?(?:www)?[-a-za-z0-9@:%._+~#=]{1,256}\.[a-za-z0-9()]{1,9}\b[-a-za-z0-9()@:%_\|+.~#?&//={};,\[\]'"$\x60]*)

第一个替代方案是 IP matching regex，其中我添加了 (?:https?://)? 部分以匹配可选协议部分和 (?:[^:]|$) 部分以确保存在除 : 之外的字符或紧随 ip 模式之后的字符串结尾，但您可以进一步调整这部分。

然后，use it in Go喜欢

package main

import (
    "fmt"
    "regexp"
)

func main() {
    r := regexp.mustcompile(`\b(?:https?://)?(?:(?: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]?)\b(?:[^:]|$)|((?:https?://)?(?:www)?[-a-za-z0-9@:%._+~#=]{1,256}\.[a-za-z0-9()]{1,9}\b[-a-za-z0-9()@:%_\|+.~#?&//={};,\[\]'"$\x60]*)`)
    matches := r.findallstringsubmatch(`http://127.0.0.1/
http://127.0.0.1
http://www.127.0.0.1/m=weblogin/loginform238,363,771,89816356,2167
127.0.0.1:8080
127.0.0.1
google.com
google.com:80
www.google.com
https://google.com
https://www.google.com`, -1)
        for _, v := range matches {
            if (len(v[1]) > 0) {       // if group 1 matched
            fmt.println(v[1])          // display it, else do nothing
        }
    }   
}

输出：

http://www.127.0.0.1/m=weblogin/loginform238,363,771,89816356,2167
127.0.0.1:8080
google.com
google.com:80
www.google.com
https://google.com
https://www.google.com

到这里，我们也就讲完了《Url 正则表达式调整为仅捕获 url 而不是 ip》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！