正则表达式 URL

正则表达式（Regular Expression，简称Regex）是一种用于匹配字符串的强大工具。使用正则表达式，我们可以在字符串中查找、替换、拆分等操作，而不必遍历整个字符串。在Web开发中，正则表达式常用于匹配URL。

URL的基本结构

在正则表达式中，我们需要了解URL的基本结构，以便正确地进行匹配。一个典型的URL包含以下几个部分：

• 协议（Protocol）：指定数据传输的协议，如http、https、ftp等；
• 域名（Domain Name）：主机的名称或IP地址，如www.example.com、192.0.2.1等；
• 端口号（Port）：HTTP协议的默认端口为80，HTTPS协议的默认端口为443；
• 路径（Path）：访问资源的路径，如/index.html、/about等；
• 查询参数（Query Params）：可选的查询参数，如?name=value&age=18等；
• 锚点（Anchor）：标识文档中某个位置的锚点，如#section1、#footer等。

一个完整的URL示例如下：

https://www.example.com/path/to/resource.html?param1=value1&param2=value2#section1

正则表达式匹配URL

在正则表达式中，我们可以使用字符集、限定符、分组、反向引用等功能，来精确匹配URL的不同部分。

以下是常用的URL匹配正则表达式：

1、匹配完整的URL

^https?://[^\s/$.?#].[^\s]*$

• 注释：

  • ^ 匹配字符串开始位置
  • http 字符串以http开头
  • s? 表示s可有可无
  • :// 匹配冒号和正斜杠
  • [^\s/$.?#] 指不匹配空格、正斜杠、美元符号、问号、井号
  • . 匹配一个任意字符
  • [^/\s]* 指不匹配斜杠或空格的任意字符
  • $ 匹配字符串的结尾位置

2、匹配协议

^https?://

• 注释：

  • ^ 匹配字符串开始位置
  • http 字符串以http开头
  • s? 表示s可有可无
  • :// 匹配冒号和正斜杠

3、匹配域名

(?<=^https?://)[^/\s]+

• 注释：

  • (?<=...) 零宽正向断言，表示匹配后面跟着...的位置
  • ^https?:// 匹配http或https协议
  • [^/\s]+ 指不匹配斜杠或空格的任意字符

4、匹配端口号

(?<=:)\d*

• 注释：

  • (?<=...) 零宽正向断言，表示匹配后面跟着...的位置
  • : 匹配冒号
  • \d* 匹配0个或多个数字

5、匹配路径

/(?<=^https?://[^/\s]+)/[^?\s#]+

• 注释：

  • (?<=...) 零宽正向断言，表示匹配后面跟着...的位置
  • ^https?:// 匹配http或https协议
  • [^/\s]+ 指不匹配斜杠或空格的任意字符
  • / 匹配斜杠
  • [^?\s#]+ 指不匹配问号、空格或井号的任意字符

6、匹配查询参数

(?<=\?|\&)[^=\s]+=[^&\s]+

• 注释：

  • (?<=...) 零宽正向断言，表示匹配后面跟着...的位置
  • \?|\& 匹配问号或&符号
  • [^=\s]+ 指不匹配等号或空格的任意字符
  • = 匹配等号
  • [^&\s]+ 指不匹配&符号或空格的任意字符

7、匹配锚点

(?<=#)[^\s]+

• 注释：

  • (?<=...) 零宽正向断言，表示匹配后面跟着...的位置
  • # 匹配井号
  • [^\s]+ 指不匹配空格的任意字符

总结

以上是常用的URL匹配正则表达式。使用正则表达式可以帮助我们快速地匹配URL的各个部分，方便我们进行Web开发中的各种操作。希望本文能够帮助你学会如何使用正则表达式匹配URL。