Php 正则表达式解析长URL

我有一个正则表达式，它工作得很好，但不是在所有情况下都可以，例如，如果我有一个很长的url，比如说“http://www.gob.cl/especiales/politicas-y-propuestas-de-accion-para-el-desarrollo-de-la-educacion-chilena/“它只会回报我”http://www.gob.“作为url的一部分

这是我的密码

$regexUrl = "((https?|ftp)\:\/\/)?"; // SCHEME $regexUrl .= "([a-zA-Z0-9+!*(),;?&=\$_.-]+(\:[a-zA-Z0-9+!*(),;?&=\$_.-]+)?@)?"; // User and Pass $regexUrl .= "([a-zA-Z0-9-]+)\.([a-zA-Z]{2,3})"; // Host or IP $regexUrl .= "(\:[0-9]{2,5})?"; // Port $regexUrl .= "(\/([a-zA-Z0-9+\$_-]\.?)+)*\/?"; // Path $regexUrl .= "(\?[a-zA-Z+&\$_.-][a-zA-Z0-9;:@&%=+\/\$_.-]*)?"; // GET Query $regexUrl .= "(#[a-zA-Z_.-][a-zA-Z0-9+\$_.-]*)?"; // Anchor //if(preg_match_all("#\bhttps?://[^\s()]+(?:\([\w\d]+\)|([^[:punct:]\s]|/))#", $message, $matches1, PREG_PATTERN_ORDER)) //$pattern = '/((https?|ftp)\:(\/\/)|(file\:\/{2,3}))?(((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]?))|(((([a-zA-Z0-9]+)(\.)?)+)(\.)(com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum|[a-z]{2}))([\/][\/a-zA-Z0-9\.]*)*([\/]?(([\?][a-zA-Z0-9]+[\=][a-zA-Z0-9\%\(\)]*)([\&][a-zA-Z0-9]+[\=][a-zA-Z0-9\%\(\)]*)*))?/'; if(preg_match_all("/$regexUrl/", $urlMessage, $matches1, PREG_PATTERN_ORDER)) { try { foreach($matches1[0] as $urlToTrim1) { $url= $urlToTrim1; echo $url; } } catch(Exception $e) { $url="-1"; } } $regexUrl=“（（https？| ftp）\：\/\/）？”；//计划 $regexUrl.=“（[a-zA-Z0-9+！*（），；？&=\$\$\.-]+（\：[a-zA-Z0-9+！*（），；？&=\$\$\.-+）？”；/用户和通行证 $regexUrl.=“（[a-zA-Z0-9-]+）\（[a-zA-Z]{2,3}）”；//主机或IP $regexUrl.=“（\：[0-9]{2,5}”）；//港口 $regexUrl.=“（\/（[a-zA-Z0-9+\$\-]\.？）+）*\/？”；//路径 $regexUrl.=“（\？[a-zA-Z+&\$\$\.-][a-zA-Z0-9；：@&%=+\/\$\.-]*）？”；//获取查询 $regexUrl.=“（#[a-zA-Z.-][a-zA-Z0-9+\$\U.-]*）？”；//锚定 //if（preg#u match#all（“#\bhtps？：/[^\s（）]）+（？：\（[\w\d]+\）|（[^[：punct:][\s]|/）”，$message，$matches1，preg#PATTERN\u ORDER）） //（2.3）以下（（（25[0-5-0-5[0-5[0-9][0-9][0-9[0-4-0-4][0-4[0-0-4[0-0-4[0-4[0-4[0-4[0-4[0-0-4[0-4[0-9][0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-9[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4[0-4 124; mobi | name | aero | jobs | museum |[a-z]{2}]（[\/][a-zA-Z0-9\.]*（[\/][a-zA-Z0-9]+[\=][a-zA Z0 9\%（\]）（[\&][a-zA Z0 Z0 9]+[\=][a-zA Z0 Z0 9%.*）*）?/'; if（preg_match_all（“/$regexUrl/”，$urlMessage，$matches1，preg_PATTERN_ORDER）） { 尝试 { foreach（$urlToTrim1匹配1[0] { $url=$urlToTrim1； echo$url； } } 捕获（例外$e） { $url=“-1”； } }

---

是否有一个通用正则表达式可以解析所有类型的URL。

您的主机或正则表达式的ip部分

"([a-zA-Z0-9-]+)\.([a-zA-Z]{2,3})"

不允许在内部最多有一个点。因此，“www.xyz.com”永远无法匹配

我不知道你的具体要求是什么，但你可以这样做

"([^/?#:]+)"

---

对于主机部分。

如何匹配以http://或https开头的所有内容：//

---

（（？：http | https）（？：\\/{2}[\\w]+）（？：[\\/\\\.]）（？：[^\\s”]*）

以下是我从$text提取所有URL的方法：

preg_match_all('#(https?://[a-z0-9\.\-_\#%&=/?;,!:~@\$\+]+)#iu', $text, $m);

假设URL以https://或http://开头，然后可以将序列限制为一组特殊字符

然后我可以在

$m

上使用来获取URL的所有详细信息

编辑：另外，如果你正在解析文本，你可能需要检查句点（

）和其他标点符号在URL的末尾。我注意到，如果URL在句子的末尾，人们可能会在URL的末尾放一个

，例如

所以我做了这样的事情：

 if (($url[$pos]==='!') || ($url[$pos]==='.')) { // probably do not want these chars at the end of a url!
    $url = substr($url, 0, $pos);
 }

---

（1）

（？：http | https）

是不必要的冗长和低效；

https？

工作得很好。（2）

/

只需要在使用

/

作为正则表达式分隔符时进行转义；还有许多其他选项。（3）如果使用

'

而不是

，则不需要进行双重转义。”

作为字符串文字分隔符。（4） 在字符类中，

不需要转义，

不是“OR”运算符，它只匹配一个

（暗示了“OR”）。（5）

[/.]？

无论如何都是毫无意义的，因为

[^\s”]*

匹配这两个字符。（6）没有必要将整个正则表达式包装在

（）

（…）我可以继续…；）好吧，它正确地匹配了OP提供的一个示例。如果URL总是用双引号括起来，你也可以，因为它们在问题的文本中是这样的，但我不认为OP的意思是这样的。（但我错了：你的正则表达式也匹配

http://www.gob.
中的
“http://www.gob.“

，这显然是错误的。）+1。如果最后匹配的字符是禁止字符之一，您还可以使用lookback强制正则表达式本身后退：

“#https？：/[a-z0-9.#\%&=/？；，！：~@$+-]+（？