Ruby 如何修改此正则表达式以排除URL中的标点符号？

我已经修改了我发现的一个正则表达式，以便它可以接受各种英国和二级TLD

/\b((?:^https?:\/\/|^[a-z0-9.\-]+[.][a-z]{2,4})(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!@()\[\]{};:'".,<>?]))/i

/\b（（？：^https？：\/\/\/\^[a-z0-9.\-]+[.][a-z]{2,4}）（？：[^\s（）]+\\（（[^\s（）]+\（\（[^\s（）]+\）*）+（？：\（[^\s（）]+\（[^\s（））+（\（[^\s（））+）+）*）*）（[^\s（））+（[^-]

但是，正如您在我的测试数据中看到的，正则表达式匹配的URL，例如

www.zapple@com

和

https://m！crosoft.com

，这些URL无效

由于某种原因，

@

符号在

.com

之前被排除，但在

之后则不被排除

感叹号完全没有被排除在外，这让人感到困惑，因为据我所知，在句点之前只允许字母、数字和破折号。

这个@与

[^\s()<>]+

更新1

这与m！crosoft.com和@pple.com不匹配，这可能是由于与Rublar有关

---

我非常了解正则表达式，但正则表达式非常可怕；）为什么不使用

URI

（或

Addressable:：URI

）解析URL，然后在“.”上拆分主机Wow，嗯……我不想让我的名字出现在那一点混乱中。我会分解任务。首先标记它。然后验证序言。然后验证域。等等。我只是不断地攻击它，直到它符合我想要的。我没有使用regex的经验，所以我决定使用

URI:：regexp（%w（http https））

方法。用户友好程度较低，但解决方案更干净。根据Rublar的说法，这仍然与

m！crosoft.com

和

@pple.com

相匹配。它也与

hxxp://www.g00gle.com

。它与m！crosoft.com和@pple.com不匹配。我用匹配项更新了我的答案。正如你所说，这一定是一个Rublar错误。那是什么程序出于兴趣？

(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+

^
(# Scheme
 [a-z][a-z0-9+\-.]*:
 (# Authority & path
  //
  ([a-z0-9\-._~%!$&'()*+,;=]+@)?              # User
  ([a-z0-9\-._~%]+                            # Named host
  |\[[a-f0-9:.]+\]                            # IPv6 host
  |\[v[a-f0-9][a-z0-9\-._~%!$&'()*+,;=:]+\])  # IPvFuture host
  (:[0-9]+)?                                  # Port
  (/[a-z0-9\-._~%!$&'()*+,;=:@]+)*/?          # Path
 |# Path without authority
  (/?[a-z0-9\-._~%!$&'()*+,;=:@]+(/[a-z0-9\-._~%!$&'()*+,;=:@]+)*/?)?
 )
|# Relative URL (no scheme or authority)
 ([a-z0-9\-._~%!$&'()*+,;=@]+(/[a-z0-9\-._~%!$&'()*+,;=:@]+)*/?  # Relative path
 |(/[a-z0-9\-._~%!$&'()*+,;=:@]+)+/?)                            # Absolute path
)
# Query
(\?[a-z0-9\-._~%!$&'()*+,;=:@/?]*)?
# Fragment
(\#[a-z0-9\-._~%!$&'()*+,;=:@/?]*)?
$