C 什么'；这个正则表达式匹配URL有什么问题吗？

使用C中的regex.h库设置正则表达式以匹配URL有点困难。我有一个工作的IP正则表达式，我希望将其转换为匹配一个简单字符串，如

www.alphanumerictext12.com | edu | org

。正则表达式定义本身的语法有问题

下面是工作的IPREGEX代码和我尝试的URL regex

#define IPEXPR    "([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})"
#define URLEXPR "(www)\\.((?:[a-z][a-z]*[0-9]+[a-z0-9]*))\\.(com|edu|org)"

regex_t regex;

if(regcomp(&regex, IPEXPR, REG_EXTENDED) != 0)
  return 0;

if(regexec(&regex, inputURL, 0, NULL, 0) != 0)
  return 0;

尝试：

我删除了

[0-9]+

，并将

[a-z][a-z]*

替换为

[a-z]+
问题在于
（？：）
，你只需要
（www）\\（[a-z][a-z]*[0-9]+[a-z0-9]*）\\。（com；edu | org）

顺便说一句，你的内心表达是：“至少一个字母字符，然后至少一个数字字符，然后是任何字母数字字符”。这是你的意思吗？如果是这样的话，您可以将其缩短一点：
[a-z]+[0-9]+[a-z0-9]*
来自：

有些人在遇到问题时会想：“我知道，我会用
正则表达式。”现在他们有了
两个问题

我的意思是：你确定正则表达式是解决问题的最好方法吗？也许你可以用更轻量级的方法来测试这个字符串是否是URL


编辑

我的计算机上的以下程序（输出重定向到
/dev/null
）打印（到
stderr
）

接收时间：1.730000
lw时间：0.920000
节目列表：

#include <ctype.h>
#include <stdio.h>
#include <stdlib.h>
#include <sys/types.h>
#include <regex.h>
#include <string.h>
#include <time.h>

int goodurl_rx(const char *buf) {
  static regex_t rx;
  static int done = 0;
  int e;

  if (!done) {
    done = 1;
    if ((e = regcomp(&rx, "^www\\.[a-z][a-z0-9]*\\.(com|edu|org)$", REG_EXTENDED)) != 0) {
      printf("Error %d compiling regular expression.\n", e);
      exit(EXIT_FAILURE);
    }
  }
  return !regexec(&rx, buf, 0, NULL, 0);
}

int goodurl_lw(const char *buf) {
  if (*buf++ != 'w') return 0;
  if (*buf++ != 'w') return 0;
  if (*buf++ != 'w') return 0;
  if (*buf++ != '.') return 0;
  if (!isalpha((unsigned char)*buf++)) return 0;
  while (isalnum((unsigned char)*buf)) buf++;
  if (*buf++ != '.') return 0;
  if ((*buf == 'c') && (*(buf+1) == 'o') && (*(buf+2) == 'm') && (*(buf+3) == 0)) return 1;
  if ((*buf == 'e') && (*(buf+1) == 'd') && (*(buf+2) == 'u') && (*(buf+3) == 0)) return 1;
  if ((*buf == 'o') && (*(buf+1) == 'r') && (*(buf+2) == 'g') && (*(buf+3) == 0)) return 1;
  return 0;
}

int main(void) {
  clock_t t0, t1, t2;
  char *buf[] = {"www.alphanumerics.com", "ww2.alphanumerics.com", "www.alphanumerics.net"};
  int times;

  t0 = clock();
  times = 1000000;
  while (times--) {
    printf("    %s: %s\n", buf[0], goodurl_rx(buf[0])?"pass":"invalid");
    printf("    %s: %s\n", buf[1], goodurl_rx(buf[1])?"pass":"invalid");
    printf("    %s: %s\n", buf[2], goodurl_rx(buf[2])?"pass":"invalid");
  };
  t1 = clock();
  times = 1000000;
  while (times--) {
    printf("    %s: %s\n", buf[0], goodurl_lw(buf[0])?"pass":"invalid");
    printf("    %s: %s\n", buf[1], goodurl_lw(buf[1])?"pass":"invalid");
    printf("    %s: %s\n", buf[2], goodurl_lw(buf[2])?"pass":"invalid");
  } while (0);
  t2 = clock();

  fprintf(stderr, "rx time: %f\n", (double)(t1-t0)/CLOCKS_PER_SEC);
  fprintf(stderr, "lw time: %f\n", (double)(t2-t1)/CLOCKS_PER_SEC);
  return 0;
}

#包括
#包括
#包括
#包括
#包括
#包括
#包括
int goodurl_rx（常量字符*buf）{
静态正则表达式rx；
静态int done=0；
INTE；
如果（！完成）{
完成=1；
如果（（e=regcomp（&rx，“^www\\[a-z][a-z0-9]*\\（com | edu | org）$”，注册扩展））！=0）{
printf（“编译正则表达式时出现错误%d。\n”，e）；
退出（退出失败）；
}
}
return！regexec（&rx，buf，0，NULL，0）；
}
int goodurl_lw（常量字符*buf）{
如果（*buf++！='w'），则返回0；
如果（*buf++！='w'），则返回0；
如果（*buf++！='w'），则返回0；
如果（*buf++！='），则返回0；
if（！isalpha（（无符号字符）*buf++）返回0；
而（isalnum（（无符号字符）*buf））buf++；
如果（*buf++！='），则返回0；
如果（（*buf='c'）&（*（buf+1）='o'）&（*（buf+2）='m'）&（*（buf+3）==0））返回1；
如果（（*buf=='e'）&（*（buf+1）='d'）&（*（buf+2）='u'）&（*（buf+3）==0））返回1；
如果（（*buf='o'）&（*（buf+1）='r'）&（*（buf+2）='g'）&（*（buf+3）==0））返回1；
返回0；
}
内部主（空）{
时钟t0、t1、t2；
char*buf[]={“www.alphanumerics.com”、“ww2.alphanumerics.com”、“www.alphanumerics.net”}；
整数倍；
t0=时钟（）；
次数=1000000次；
而(次--){
printf（“%s:%s\n”，buf[0]，goodurl_rx（buf[0]）？“通过”：“无效”）；
printf（“%s:%s\n”，buf[1]，goodurl_rx（buf[1]）？“通过”：“无效”）；
printf（“%s:%s\n”，buf[2]，goodurl_rx（buf[2]）？“通过”：“无效”）；
};
t1=时钟（）；
次数=1000000次；
而(次--){
printf（“%s:%s\n”，buf[0]，goodurl_lw（buf[0]）？“通过”：“无效”）；
printf（“%s:%s\n”，buf[1]，goodurl_lw（buf[1]）？“通过”：“无效”）；
printf（“%s:%s\n”，buf[2]，goodurl_lw（buf[2]）？“通过”：“无效”）；
}而（0）；
t2=时钟（）；
fprintf（标准，“接收时间：%f\n”（双精度）（t1-t0）/时钟每秒）；
fprintf（标准，“lw时间：%f\n”（双精度）（t2-t1）/时钟每秒）；
返回0；
}
您可能应该使用标准POSIX函数（替换
inet_aton（）
），并处理IPv4和IPv6地址格式。
“至少一个字母字符，然后至少一个数字字符，然后是任何字母数字字符”。这是你的意思吗？不，那是个错误。我会给你的正则表达式一个尝试和报告回来，谢谢！cb那么您可能更喜欢[a-z]+[a-z0-9]*，但请注意，域名可以以数字开头：）我希望这是不区分大小写的，那么以下是更好的吗“www\\.[a-zA-Z]+[a-zA-Z0-9]*\\（com | edu | org）“你可以这样做，但这不允许
.com
或
.edu
作为TLD。您可以通过在regex前面添加
（？i）
标志来启用不区分大小写的匹配：
“（？i）www\\.[a-z]+[a-z0-9]*\\（com | edu | org）”
假设您正在使用的regex库支持
（？i）
。我正在Ubuntu上使用c中的regex.h。我要做个测试。“www\\.[a-z]+[a-z0-9]*\\（com | edu | org）”工作得很愉快，现在我需要添加字符-以及“我应该将它们放在哪里？”？我试图这样添加它们：[a-z0-9-904;]但失败了。我在这里的重点是什么？谢谢大家，
-
可能被regex库视为范围指示器。改为尝试
[a-z0-9_-]
（最后，不应将其作为范围指示器）。或者，试着像这样转义
-
：
[a-z0-9\-]
。我不确定我是否完全理解这个用法。与我目前使用的正则表达式相比，这是一种更体面的检查IP地址有效性的方法吗？（上面定义为IPEXPR）CByes，特别是因为IPv6具有inet\u pton将处理的缩写形式。这不仅仅是0-9和。嗯，在这种情况下，我相信正则表达式是最好的答案，但我当然愿意接受有效的建议。我正在以一般形式输入用户的网址：www.alphanumerics.com。你能推荐一个更轻量级的方法吗？pmg，几乎可以肯定，这个函数是用来验证用户输入的，所以在这里，一秒钟的一小部分真的不重要。但是关于开发时间、可读性、可支持性等呢？微小的更改将要求您重写代码，最终使用自制的FSA。对于这个简单的示例，我同意正则表达式函数更容易处理。然而，有一天，当你想“接受”
co.uk
和
net.au
时，要使
ads*
无效，而不是
cads*
。。。；两者都不好。当这种情况发生时，解析器是最好的选择，但IMVHO是一种基于REG的解决方案
rx time: 1.730000
lw time: 0.920000
#include <ctype.h>
#include <stdio.h>
#include <stdlib.h>
#include <sys/types.h>
#include <regex.h>
#include <string.h>
#include <time.h>

int goodurl_rx(const char *buf) {
  static regex_t rx;
  static int done = 0;
  int e;

  if (!done) {
    done = 1;
    if ((e = regcomp(&rx, "^www\\.[a-z][a-z0-9]*\\.(com|edu|org)$", REG_EXTENDED)) != 0) {
      printf("Error %d compiling regular expression.\n", e);
      exit(EXIT_FAILURE);
    }
  }
  return !regexec(&rx, buf, 0, NULL, 0);
}

int goodurl_lw(const char *buf) {
  if (*buf++ != 'w') return 0;
  if (*buf++ != 'w') return 0;
  if (*buf++ != 'w') return 0;
  if (*buf++ != '.') return 0;
  if (!isalpha((unsigned char)*buf++)) return 0;
  while (isalnum((unsigned char)*buf)) buf++;
  if (*buf++ != '.') return 0;
  if ((*buf == 'c') && (*(buf+1) == 'o') && (*(buf+2) == 'm') && (*(buf+3) == 0)) return 1;
  if ((*buf == 'e') && (*(buf+1) == 'd') && (*(buf+2) == 'u') && (*(buf+3) == 0)) return 1;
  if ((*buf == 'o') && (*(buf+1) == 'r') && (*(buf+2) == 'g') && (*(buf+3) == 0)) return 1;
  return 0;
}

int main(void) {
  clock_t t0, t1, t2;
  char *buf[] = {"www.alphanumerics.com", "ww2.alphanumerics.com", "www.alphanumerics.net"};
  int times;

  t0 = clock();
  times = 1000000;
  while (times--) {
    printf("    %s: %s\n", buf[0], goodurl_rx(buf[0])?"pass":"invalid");
    printf("    %s: %s\n", buf[1], goodurl_rx(buf[1])?"pass":"invalid");
    printf("    %s: %s\n", buf[2], goodurl_rx(buf[2])?"pass":"invalid");
  };
  t1 = clock();
  times = 1000000;
  while (times--) {
    printf("    %s: %s\n", buf[0], goodurl_lw(buf[0])?"pass":"invalid");
    printf("    %s: %s\n", buf[1], goodurl_lw(buf[1])?"pass":"invalid");
    printf("    %s: %s\n", buf[2], goodurl_lw(buf[2])?"pass":"invalid");
  } while (0);
  t2 = clock();

  fprintf(stderr, "rx time: %f\n", (double)(t1-t0)/CLOCKS_PER_SEC);
  fprintf(stderr, "lw time: %f\n", (double)(t2-t1)/CLOCKS_PER_SEC);
  return 0;
}