*****正则表达式匹配URL

最近将匹配URL的正则替换了下

之前的是：

((http|ftp|https)://)(([a-zA-Z0-9\._-]+\.[a-zA-Z]{2,6})|([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}))(:[0-9]{1,4})*(/[a-zA-Z0-9\&%_\./-~-]*)?
PHP写法：

$pattern = '/((http|ftp|https):\/\/)(([a-zA-Z0-9\._-]+\.[a-zA-Z]{2,6})|([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}))(:[0-9]{1,4})*(\/[a-zA-Z0-9\&%_\.\/-~-]*)?/';

改进后的是：（注意，这里把上面的正则表达式中的单引号用反斜杠转义了，不然没法放在字符串里）

(?i)\b((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:\'".,<>?«»“”‘’]))
PHP写法：

$pattern = '@(?i)\b((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:\'".,<>?«»“”‘’]))@';

这有一个 Markdown 的作者之一写的正则表达式(原文在这)。他把这个表达式都改进了好几年了，应该比较全面而且保险。参考自：http://segmentfault.com/q/1010000000584340

最近在做一些关于URL匹配的项目，本来对正则表达式了解的不多，上网搜索了好多前辈写的正则表达式，发现很少能被我使用的，现将我自己写的正则表达式贴出来，供大家参考。

%<本人做的是asp.net的项目，内容是阻止一个文本框中的某些URL>%

首先，正则表达式：

       String check = @"((http|ftp|https)://)(([a-zA-Z0-9\._-]+\.[a-zA-Z]{2,6})|([0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}))(:[0-9]{1,4})*(/[a-zA-Z0-9\&%_\./-~-]*)?";

关于该正则表达式的说明：

①：该正则表达式匹配的字符串必须以http://、https://、ftp://开头；

②：该正则表达式能匹配URL或者IP地址；（如：http://www.baidu.com 或者 http://192.168.1.1）

③：该正则表达式能匹配到URL的末尾，即能匹配到子URL；（如能匹配：http://www.baidu.com/s?wd=a&rsv_spt=1&issp=1&rsv_bp=0&ie=utf-8&tn=baiduhome_pg&inputT=1236）

④：该正则表达式能够匹配端口号；

阻止某些指定的URL：

如果我们在输入的文本框中要阻止http://www.baidu.com这个URL，传统的方法是用上面的正则表达式去匹配文本框中的URL，读出所有的URL之后在跟要阻止的URL去比较，但是这种方法有一个弊端，就是我们读出的URL是一直到子URL，而我们在配置文件中可能就写一个母URL，这样要对check出来的URL进行切割，加上网站默认的端口号是：80，我们要去比较端口号等等，我想出了一种新的方法：

从配置文件中读出要阻止的URL，组成一个正则表达式，去匹配文本框中，如果能够匹配到，则阻止掉。

配置文件中应该写：<add key="DomainCheckBlackUrl" value="baidu.com" />

在代码中实现：

现在一个正则表达式由3部分组成：

1：正则表达式的开头，可能由任意的字符组成；

2：正则表达式的中间部分：从配置文件中读出来的部分；

3：正则表达式的结尾部分:可能有一些子目录或者端口号等；

首先，从配置文件中读出URL：string[] serverlist = ConfigurationManager.AppSettings["DomainCheckBlackUrl"].Split(',');（配置文件中以“，”分割）

其次，string start = @"((http|ftp|https)://)([a-zA-Z0-9_-]+\.)*";（正则表达式的开头）

然后，正则表达式的结尾： end = @"(:[0-9]{1,4})?((/[a-zA-Z0-9\&%_\./-~-]*)|(?=[^a-zA-Z0-9\.]))";

组合之后的正则表达式： string check = start + @"((?<=[^a-zA-Z0-9])(" + CutStr + "))" + end;

以上是本人的一些小见解，希望对大家能有所帮助。