Facebook 的 URL 匹配算法是如何工作的？ [复制]

Posted 2023-02-22

【中文标题】Facebook 的 URL 匹配算法是如何工作的？ [复制]

【英文标题】：How does Facebook's URL matching algorithm work? [duplicate]

【发布时间】：2013-08-19 14:05:31

【问题描述】：

你知道如果你去 facebook.com 并在状态更新文本区域中输入一个 URL，它将自动被检测到，Facebook 会显示来自该 URL/链接的数据的小快照？ Facebook 甚至不在乎您输入的 URL 是否带有http:// 之类的协议。

我希望复制这种行为。现在我有这个正则表达式：

((?:https?:\/\/)?)((?:[a-zA-Z0-9\-]+\.)+(?:com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum|travel|[a-z]2)(?:[a-z0-9\._\/~%\-\+&\#\?!=\(\)@]*)?(?:#?(?:[w]+)?)?)

我用它来匹配在文本区域中输入的 URL。但是，它有误报；它将匹配document.write(foo)，这显然不是一个URL。

Facebook 似乎没有这个问题。事实上，我可以在 Facebook 的 textarea 中输入“yahoo.com”，它会将其识别为 URL。但如果我输入“example.com”，它就不会识别它。因此，这意味着 Facebook 必须做的不仅仅是正则表达式匹配。还是我错了？

总之，我想知道 Facebook 在做什么，我想知道如何复制它。非常感谢任何想法、提示或解决方案。

感谢阅读。

【问题讨论】：

这个问题似乎跑题了，因为它是关于闭源网络服务的实现细节。

【参考方案1】：

匹配任何 url 的最简单的正则表达式是

[a-z_\.\-0-9]+\.[a-z]+

如果存在，请查找结果。如果结果失败，那么它不是一个 url。

如果一个 url 在没有 http:// 前缀的情况下呈现给您，则没有保存方法来判断它是否是一个 url。

正则表达式将匹配以下字符串中的 ***.com ;

我总是使用 ***.com 来找到我需要的答案。

如果您尝试"http://www." & regex.match.value，您应该会得到一个有效的网址......或者不是......你不会知道，直到你进行查找。

【讨论】：

唯一的问题，以及我在帖子中介绍的正则表达式，是有误报的机会。有人可以输入“没什么。你也怎么了？”并且“much.what”将匹配为 URL。我想解决这个问题的唯一方法是检查域在服务器端是否有效。

如果不查找，就无法提前知道 url 是否为 url。即使stockoverfliw.com 可能会失败，尽管它是有效的 url 格式，但没有 webste 存在。您会得到误报，但您需要进行查找以确定。

【参考方案2】：

也许在发布猜测的 url 之前，它会执行 ajax ping 或其他操作以确保候选 url 在呈现之前确实存在？

【参考方案3】：

facebook 正在使用 contenteditable div 来检测链接， 在你的最后，我建议你听每一个按键，因为它有多种用途，例如按下@后你也会看到朋友列表