Java中匹配URL的正则表达式
Posted
技术标签:
【中文标题】Java中匹配URL的正则表达式【英文标题】：Regular expression to match URLs in Java 【发布时间】：2010-09-14 20:52:24 【问题描述】：我在使用正则表达式时使用 RegexBuddy。我从它的库中复制了正则表达式以匹配 URL。我在 RegexBuddy 中成功测试。但是，当我将其复制为 Java String 风味并将其粘贴到 Java 代码中时，它不起作用。下面的类打印false：
public class RegexFoo
public static void main(String[] args)
String regex = "\\b(https?|ftp|file)://[-A-Z0-9+&@#/%?=~_|!:,.;]*[-A-Z0-9+&@#/%=~_|]";
String text = "http://google.com";
System.out.println(IsMatch(text,regex));
private static boolean IsMatch(String s, String pattern)
try
Pattern patt = Pattern.compile(pattern);
Matcher matcher = patt.matcher(s);
return matcher.matches();
catch (RuntimeException e)
return false;
有谁知道我做错了什么？
【问题讨论】：
塞尔吉奥，不要捕获 RuntimeException。它可能会引入细微的错误，并且总体上是一种不好的做法。如果您只想忽略表达式非法时的场景，请使用： catch ( PatternSyntaxException pse ) 代替。见第 57 项：java.sun.com/docs/books/effective 或者你可以使用 Pattern patt = Pattern.compile(pattern, Pattern.CASE_INSENSITIVE);避免更改正则表达式以匹配大小写。 我知道这真的很旧（'08），但对于任何有类似问题的人，RegexBuddy 都有“使用”选项卡。确保您首先选择 Java 7 风格，然后在“使用”面板中，您可以让它为您的特定情况生成 Java 代码。这对我来说效果很好。 【参考方案1】：首先，一个正则表达式示例：
regex = “((http|https)://)(www.)?”
+ “[a-zA-Z0-9@:%._\\+~#?&//=]2,256\\.[a-z]”
+ “2,6\\b([-a-zA-Z0-9@:%._\\+~#?&//=]*)”
*URL 必须以 http 或 https 开头，并且 * 然后是 :// 和 *那么它必须包含www。和 *然后是长度为 (2, 256) 的子域和 *最后一部分包含***域名，如 .com、.org 等。
在 JAVA 中
// Java program to check URL is valid or not
// using Regular Expression
import java.util.regex.*;
class GFG
// Function to validate URL
// using regular expression
public static boolean
isValidURL(String url)
// Regex to check valid URL
String regex = "((http|https)://)(www.)?"
+ "[a-zA-Z0-9@:%._\\+~#?&//=]"
+ "2,256\\.[a-z]"
+ "2,6\\b([-a-zA-Z0-9@:%"
+ "._\\+~#?&//=]*)";
// Compile the ReGex
Pattern p = Pattern.compile(regex);
// If the string is empty
// return false
if (url == null)
return false;
// Find match between given string
// and regular expression
// using Pattern.matcher()
Matcher m = p.matcher(url);
// Return if the string
// matched the ReGex
return m.matches();
// Driver code
public static void main(String args[])
String url
= "https://www.superDev.org";
if (isValidURL(url) == true)
System.out.println("Yes");
else
System.out.println("NO");
在 python 3 中
# Python3 program to check
# URL is valid or not
# using regular expression
import re
# Function to validate URL
# using regular expression
def isValidURL(str):
# Regex to check valid URL
regex = ("((http|https)://)(www.)?" +
"[a-zA-Z0-9@:%._\\+~#?&//=]" +
"2,256\\.[a-z]" +
"2,6\\b([-a-zA-Z0-9@:%" +
"._\\+~#?&//=]*)")
# Compile the ReGex
p = re.compile(regex)
# If the string is empty
# return false
if (str == None):
return False
# Return if the string
# matched the ReGex
if(re.search(p, str)):
return True
else:
return False
# Driver code
# Test Case 1:
url = "https://www.superDev.org"
if(isValidURL(url) == True):
print("Yes")
else:
print("No")
【讨论】：
【参考方案2】：这是一个 URL 解析器正则表达式的提议，它可以识别：
协议 主机 端口 路径（文档/文件夹） 获取参数^(?>(?<protocol>[[:alpha:]]+(?>\:[[:alpha:]]+)*)\:\/\/)?(?<host>(?>[[:alnum:]]|[-_.])+)(?>\:(?<port>[[:digit:]]+))?(?<path>\/(?>[[:alnum:]]|[-_.\/])*)?(?>\?(?<request>(?>[[:alnum:]]+=[[:alnum:]]+)(?>\&(?>[[:alnum:]]+=[[:alnum:]]+))*))?$
这个正则表达式能够解析这样的 URL：
jdbc:hsqldb:hsql://localhost:91/index.
有很多方法可以设计 URL 正则表达式，因此我建议的方法可以稍微调整以匹配更准确的 URL 语法。
可以在以下页面进行测试：https://regex101.com/r/Dy7HE0/5
请注意，用于正则表达式的语言原生 API（例如 java.util.regex）不支持智能字符类，例如 [[:alnum:]] 和 [[:阿尔法：]]。
改用 \w 和 \d。
【讨论】：
【参考方案3】：((http?|https|ftp|file)://)?((W|w)3.)?[a-zA-Z0-9]+\.[a-zA-Z]+
在这里查看：- https://www.freeformatter.com/java-regex-tester.html#ad-output
正确地整理出这些条目
google.com www.google.com wwwgooglecom 英尺 www.google.com .ft https://www.google.com https:// https://www。 https://google.com【讨论】：
特殊字符失败 我需要正则表达式来从歌曲名称中删除 url。找不到一个，或者我应该说大多数都失败了，所以我发布了对我有用的方法：) 是的。在提供的链接上检查它。【参考方案4】：根据 billjamesdev 的回答，这是另一种不使用 RegEx 验证 URL 的方法：
从Apache Commons Validator lib，查看类UrlValidator。一些示例代码：
使用“http”和“https”的有效方案构造一个 UrlValidator。
String[] schemes = "http","https".
UrlValidator urlValidator = new UrlValidator(schemes);
if (urlValidator.isValid("ftp://foo.bar.com/"))
System.out.println("url is valid");
else
System.out.println("url is invalid");
prints "url is invalid"
如果改为使用默认构造函数。
UrlValidator urlValidator = new UrlValidator();
if (urlValidator.isValid("ftp://foo.bar.com/"))
System.out.println("url is valid");
else
System.out.println("url is invalid");
打印出“url有效”
【讨论】：
【参考方案5】：我会尝试一个标准的“你为什么这样做？”回答...你知道java.net.URL吗？
URL url = new URL(stringURL);
如果无法解析 URL，上面将抛出 MalformedURLException。
【讨论】：
我要走正则表达式的路。我在这里发布的内容尽可能简单，以使我的问题清楚。在我的程序中，我在更复杂的正则表达式中使用 URL 正则表达式。 这很酷。我没有更好的正则表达式答案，所以我想我会发布一个替代方案。不过，没想到我会因此而被贬低。 你是对的，也许下勾有点多。 “我会试试这个标准”听起来有点冒犯。 酷（抱歉，快放假了）。是的，绝对不是这样的。我只是在这里看到了很多，有时甚至会有所帮助。 "new URL" 仅在端口 1.2.3.1.2.3.4.51.2,3.4.5：等【参考方案6】：现在最好的方法是：
android.util.Patterns.WEB_URL.matcher(linkUrl).matches();
编辑：Patterns 的代码来自https://github.com/android/platform_frameworks_base/blob/master/core/java/android/util/Patterns.java：
/*
* Copyright (C) 2007 The Android Open Source Project
*
* Licensed under the Apache License, Version 2.0 (the "License");
* you may not use this file except in compliance with the License.
* You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing, software
* distributed under the License is distributed on an "AS IS" BASIS,
* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
* See the License for the specific language governing permissions and
* limitations under the License.
*/
package android.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
/**
* Commonly used regular expression patterns.
*/
public class Patterns
/**
* Regular expression to match all IANA top-level domains.
* List accurate as of 2011/07/18. List taken from:
* http://data.iana.org/TLD/tlds-alpha-by-domain.txt
* This pattern is auto-generated by frameworks/ex/common/tools/make-iana-tld-pattern.py
*
* @deprecated Due to the recent profileration of gTLDs, this API is
* expected to become out-of-date very quickly. Therefore it is now
* deprecated.
*/
@Deprecated
public static final String TOP_LEVEL_DOMAIN_STR =
"((aero|arpa|asia|a[cdefgilmnoqrstuwxz])"
+ "|(biz|b[abdefghijmnorstvwyz])"
+ "|(cat|com|coop|c[acdfghiklmnoruvxyz])"
+ "|d[ejkmoz]"
+ "|(edu|e[cegrstu])"
+ "|f[ijkmor]"
+ "|(gov|g[abdefghilmnpqrstuwy])"
+ "|h[kmnrtu]"
+ "|(info|int|i[delmnoqrst])"
+ "|(jobs|j[emop])"
+ "|k[eghimnprwyz]"
+ "|l[abcikrstuvy]"
+ "|(mil|mobi|museum|m[acdeghklmnopqrstuvwxyz])"
+ "|(name|net|n[acefgilopruz])"
+ "|(org|om)"
+ "|(pro|p[aefghklmnrstwy])"
+ "|qa"
+ "|r[eosuw]"
+ "|s[abcdeghijklmnortuvyz]"
+ "|(tel|travel|t[cdfghjklmnoprtvwz])"
+ "|u[agksyz]"
+ "|v[aceginu]"
+ "|w[fs]"
+ "|(\u03b4\u03bf\u03ba\u03b9\u03bc\u03ae|\u0438\u0441\u043f\u044b\u0442\u0430\u043d\u0438\u0435|\u0440\u0444|\u0441\u0440\u0431|\u05d8\u05e2\u05e1\u05d8|\u0622\u0632\u0645\u0627\u06cc\u0634\u06cc|\u0625\u062e\u062a\u0628\u0627\u0631|\u0627\u0644\u0627\u0631\u062f\u0646|\u0627\u0644\u062c\u0632\u0627\u0626\u0631|\u0627\u0644\u0633\u0639\u0648\u062f\u064a\u0629|\u0627\u0644\u0645\u063a\u0631\u0628|\u0627\u0645\u0627\u0631\u0627\u062a|\u0628\u06be\u0627\u0631\u062a|\u062a\u0648\u0646\u0633|\u0633\u0648\u0631\u064a\u0629|\u0641\u0644\u0633\u0637\u064a\u0646|\u0642\u0637\u0631|\u0645\u0635\u0631|\u092a\u0930\u0940\u0915\u094d\u0937\u093e|\u092d\u093e\u0930\u0924|\u09ad\u09be\u09b0\u09a4|\u0a2d\u0a3e\u0a30\u0a24|\u0aad\u0abe\u0ab0\u0aa4|\u0b87\u0ba8\u0bcd\u0ba4\u0bbf\u0baf\u0bbe|\u0b87\u0bb2\u0b99\u0bcd\u0b95\u0bc8|\u0b9a\u0bbf\u0b99\u0bcd\u0b95\u0baa\u0bcd\u0baa\u0bc2\u0bb0\u0bcd|\u0baa\u0bb0\u0bbf\u0b9f\u0bcd\u0b9a\u0bc8|\u0c2d\u0c3e\u0c30\u0c24\u0c4d|\u0dbd\u0d82\u0d9a\u0dcf|\u0e44\u0e17\u0e22|\u30c6\u30b9\u30c8|\u4e2d\u56fd|\u4e2d\u570b|\u53f0\u6e7e|\u53f0\u7063|\u65b0\u52a0\u5761|\u6d4b\u8bd5|\u6e2c\u8a66|\u9999\u6e2f|\ud14c\uc2a4\ud2b8|\ud55c\uad6d|xn\\-\\-0zwm56d|xn\\-\\-11b5bs3a9aj6g|xn\\-\\-3e0b707e|xn\\-\\-45brj9c|xn\\-\\-80akhbyknj4f|xn\\-\\-90a3ac|xn\\-\\-9t4b11yi5a|xn\\-\\-clchc0ea0b2g2a9gcd|xn\\-\\-deba0ad|xn\\-\\-fiqs8s|xn\\-\\-fiqz9s|xn\\-\\-fpcrj9c3d|xn\\-\\-fzc2c9e2c|xn\\-\\-g6w251d|xn\\-\\-gecrj9c|xn\\-\\-h2brj9c|xn\\-\\-hgbk6aj7f53bba|xn\\-\\-hlcj6aya9esc7a|xn\\-\\-j6w193g|xn\\-\\-jxalpdlp|xn\\-\\-kgbechtv|xn\\-\\-kprw13d|xn\\-\\-kpry57d|xn\\-\\-lgbbat1ad8j|xn\\-\\-mgbaam7a8h|xn\\-\\-mgbayh7gpa|xn\\-\\-mgbbh1a71e|xn\\-\\-mgbc0a9azcg|xn\\-\\-mgberp4a5d4ar|xn\\-\\-o3cw4h|xn\\-\\-ogbpf8fl|xn\\-\\-p1ai|xn\\-\\-pgbs0dh|xn\\-\\-s9brj9c|xn\\-\\-wgbh1c|xn\\-\\-wgbl6a|xn\\-\\-xkc2al3hye2a|xn\\-\\-xkc2dl3a5ee0h|xn\\-\\-yfro4i67o|xn\\-\\-ygbi2ammx|xn\\-\\-zckzah|xxx)"
+ "|y[et]"
+ "|z[amw])";
/**
* Regular expression pattern to match all IANA top-level domains.
* @deprecated This API is deprecated. See @link #TOP_LEVEL_DOMAIN_STR.
*/
@Deprecated
public static final Pattern TOP_LEVEL_DOMAIN =
Pattern.compile(TOP_LEVEL_DOMAIN_STR);
/**
* Regular expression to match all IANA top-level domains for WEB_URL.
* List accurate as of 2011/07/18. List taken from:
* http://data.iana.org/TLD/tlds-alpha-by-domain.txt
* This pattern is auto-generated by frameworks/ex/common/tools/make-iana-tld-pattern.py
*
* @deprecated This API is deprecated. See @link #TOP_LEVEL_DOMAIN_STR.
*/
@Deprecated
public static final String TOP_LEVEL_DOMAIN_STR_FOR_WEB_URL =
"(?:"
+ "(?:aero|arpa|asia|a[cdefgilmnoqrstuwxz])"
+ "|(?:biz|b[abdefghijmnorstvwyz])"
+ "|(?:cat|com|coop|c[acdfghiklmnoruvxyz])"
+ "|d[ejkmoz]"
+ "|(?:edu|e[cegrstu])"
+ "|f[ijkmor]"
+ "|(?:gov|g[abdefghilmnpqrstuwy])"
+ "|h[kmnrtu]"
+ "|(?:info|int|i[delmnoqrst])"
+ "|(?:jobs|j[emop])"
+ "|k[eghimnprwyz]"
+ "|l[abcikrstuvy]"
+ "|(?:mil|mobi|museum|m[acdeghklmnopqrstuvwxyz])"
+ "|(?:name|net|n[acefgilopruz])"
+ "|(?:org|om)"
+ "|(?:pro|p[aefghklmnrstwy])"
+ "|qa"
+ "|r[eosuw]"
+ "|s[abcdeghijklmnortuvyz]"
+ "|(?:tel|travel|t[cdfghjklmnoprtvwz])"
+ "|u[agksyz]"
+ "|v[aceginu]"
+ "|w[fs]"
+ "|(?:\u03b4\u03bf\u03ba\u03b9\u03bc\u03ae|\u0438\u0441\u043f\u044b\u0442\u0430\u043d\u0438\u0435|\u0440\u0444|\u0441\u0440\u0431|\u05d8\u05e2\u05e1\u05d8|\u0622\u0632\u0645\u0627\u06cc\u0634\u06cc|\u0625\u062e\u062a\u0628\u0627\u0631|\u0627\u0644\u0627\u0631\u062f\u0646|\u0627\u0644\u062c\u0632\u0627\u0626\u0631|\u0627\u0644\u0633\u0639\u0648\u062f\u064a\u0629|\u0627\u0644\u0645\u063a\u0631\u0628|\u0627\u0645\u0627\u0631\u0627\u062a|\u0628\u06be\u0627\u0631\u062a|\u062a\u0648\u0646\u0633|\u0633\u0648\u0631\u064a\u0629|\u0641\u0644\u0633\u0637\u064a\u0646|\u0642\u0637\u0631|\u0645\u0635\u0631|\u092a\u0930\u0940\u0915\u094d\u0937\u093e|\u092d\u093e\u0930\u0924|\u09ad\u09be\u09b0\u09a4|\u0a2d\u0a3e\u0a30\u0a24|\u0aad\u0abe\u0ab0\u0aa4|\u0b87\u0ba8\u0bcd\u0ba4\u0bbf\u0baf\u0bbe|\u0b87\u0bb2\u0b99\u0bcd\u0b95\u0bc8|\u0b9a\u0bbf\u0b99\u0bcd\u0b95\u0baa\u0bcd\u0baa\u0bc2\u0bb0\u0bcd|\u0baa\u0bb0\u0bbf\u0b9f\u0bcd\u0b9a\u0bc8|\u0c2d\u0c3e\u0c30\u0c24\u0c4d|\u0dbd\u0d82\u0d9a\u0dcf|\u0e44\u0e17\u0e22|\u30c6\u30b9\u30c8|\u4e2d\u56fd|\u4e2d\u570b|\u53f0\u6e7e|\u53f0\u7063|\u65b0\u52a0\u5761|\u6d4b\u8bd5|\u6e2c\u8a66|\u9999\u6e2f|\ud14c\uc2a4\ud2b8|\ud55c\uad6d|xn\\-\\-0zwm56d|xn\\-\\-11b5bs3a9aj6g|xn\\-\\-3e0b707e|xn\\-\\-45brj9c|xn\\-\\-80akhbyknj4f|xn\\-\\-90a3ac|xn\\-\\-9t4b11yi5a|xn\\-\\-clchc0ea0b2g2a9gcd|xn\\-\\-deba0ad|xn\\-\\-fiqs8s|xn\\-\\-fiqz9s|xn\\-\\-fpcrj9c3d|xn\\-\\-fzc2c9e2c|xn\\-\\-g6w251d|xn\\-\\-gecrj9c|xn\\-\\-h2brj9c|xn\\-\\-hgbk6aj7f53bba|xn\\-\\-hlcj6aya9esc7a|xn\\-\\-j6w193g|xn\\-\\-jxalpdlp|xn\\-\\-kgbechtv|xn\\-\\-kprw13d|xn\\-\\-kpry57d|xn\\-\\-lgbbat1ad8j|xn\\-\\-mgbaam7a8h|xn\\-\\-mgbayh7gpa|xn\\-\\-mgbbh1a71e|xn\\-\\-mgbc0a9azcg|xn\\-\\-mgberp4a5d4ar|xn\\-\\-o3cw4h|xn\\-\\-ogbpf8fl|xn\\-\\-p1ai|xn\\-\\-pgbs0dh|xn\\-\\-s9brj9c|xn\\-\\-wgbh1c|xn\\-\\-wgbl6a|xn\\-\\-xkc2al3hye2a|xn\\-\\-xkc2dl3a5ee0h|xn\\-\\-yfro4i67o|xn\\-\\-ygbi2ammx|xn\\-\\-zckzah|xxx)"
+ "|y[et]"
+ "|z[amw]))";
/**
* Good characters for Internationalized Resource Identifiers (IRI).
* This comprises most common used Unicode characters allowed in IRI
* as detailed in RFC 3987.
* Specifically, those two byte Unicode characters are not included.
*/
public static final String GOOD_IRI_CHAR =
"a-zA-Z0-9\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF";
public static final Pattern IP_ADDRESS
= Pattern.compile(
"((25[0-5]|2[0-4][0-9]|[0-1][0-9]2|[1-9][0-9]|[1-9])\\.(25[0-5]|2[0-4]"
+ "[0-9]|[0-1][0-9]2|[1-9][0-9]|[1-9]|0)\\.(25[0-5]|2[0-4][0-9]|[0-1]"
+ "[0-9]2|[1-9][0-9]|[1-9]|0)\\.(25[0-5]|2[0-4][0-9]|[0-1][0-9]2"
+ "|[1-9][0-9]|[0-9]))");
/**
* RFC 1035 Section 2.3.4 limits the labels to a maximum 63 octets.
*/
private static final String IRI
= "[" + GOOD_IRI_CHAR + "]([" + GOOD_IRI_CHAR + "\\-]0,61[" + GOOD_IRI_CHAR + "])0,1";
private static final String GOOD_GTLD_CHAR =
"a-zA-Z\u00A0-\uD7FF\uF900-\uFDCF\uFDF0-\uFFEF";
private static final String GTLD = "[" + GOOD_GTLD_CHAR + "]2,63";
private static final String HOST_NAME = "(" + IRI + "\\.)+" + GTLD;
public static final Pattern DOMAIN_NAME
= Pattern.compile("(" + HOST_NAME + "|" + IP_ADDRESS + ")");
/**
* Regular expression pattern to match most part of RFC 3987
* Internationalized URLs, aka IRIs. Commonly used Unicode characters are
* added.
*/
public static final Pattern WEB_URL = Pattern.compile(
"((?:(http|https|Http|Https|rtsp|Rtsp):\\/\\/(?:(?:[a-zA-Z0-9\\$\\-\\_\\.\\+\\!\\*\\'\\(\\)"
+ "\\,\\;\\?\\&\\=]|(?:\\%[a-fA-F0-9]2))1,64(?:\\:(?:[a-zA-Z0-9\\$\\-\\_"
+ "\\.\\+\\!\\*\\'\\(\\)\\,\\;\\?\\&\\=]|(?:\\%[a-fA-F0-9]2))1,25)?\\@)?)?"
+ "(?:" + DOMAIN_NAME + ")"
+ "(?:\\:\\d1,5)?)" // plus option port number
+ "(\\/(?:(?:[" + GOOD_IRI_CHAR + "\\;\\/\\?\\:\\@\\&\\=\\#\\~" // plus option query params
+ "\\-\\.\\+\\!\\*\\'\\(\\)\\,\\_])|(?:\\%[a-fA-F0-9]2))*)?"
+ "(?:\\b|$)"); // and finally, a word boundary or end of
// input. This is to stop foo.sure from
// matching as foo.su
public static final Pattern EMAIL_ADDRESS
= Pattern.compile(
"[a-zA-Z0-9\\+\\.\\_\\%\\-\\+]1,256" +
"\\@" +
"[a-zA-Z0-9][a-zA-Z0-9\\-]0,64" +
"(" +
"\\." +
"[a-zA-Z0-9][a-zA-Z0-9\\-]0,25" +
")+"
);
/**
* This pattern is intended for searching for things that look like they
* might be phone numbers in arbitrary text, not for validating whether
* something is in fact a phone number. It will miss many things that
* are legitimate phone numbers.
*
* <p> The pattern matches the following:
* <ul>
* <li>Optionally, a + sign followed immediately by one or more digits. Spaces, dots, or dashes
* may follow.
* <li>Optionally, sets of digits in parentheses, separated by spaces, dots, or dashes.
* <li>A string starting and ending with a digit, containing digits, spaces, dots, and/or dashes.
* </ul>
*/
public static final Pattern PHONE
= Pattern.compile( // sdd = space, dot, or dash
"(\\+[0-9]+[\\- \\.]*)?" // +<digits><sdd>*
+ "(\\([0-9]+\\)[\\- \\.]*)?" // (<digits>)<sdd>*
+ "([0-9][0-9\\- \\.]+[0-9])"); // <digit><digit|sdd>+<digit>
/**
* Convenience method to take all of the non-null matching groups in a
* regex Matcher and return them as a concatenated string.
*
* @param matcher The Matcher object from which grouped text will
* be extracted
*
* @return A String comprising all of the non-null matched
* groups concatenated together
*/
public static final String concatGroups(Matcher matcher)
StringBuilder b = new StringBuilder();
final int numGroups = matcher.groupCount();
for (int i = 1; i <= numGroups; i++)
String s = matcher.group(i);
if (s != null)
b.append(s);
return b.toString();
/**
* Convenience method to return only the digits and plus signs
* in the matching string.
*
* @param matcher The Matcher object from which digits and plus will
* be extracted
*
* @return A String comprising all of the digits and plus in
* the match
*/
public static final String digitsAndPlusOnly(Matcher matcher)
StringBuilder buffer = new StringBuilder();
String matchingRegion = matcher.group();
for (int i = 0, size = matchingRegion.length(); i < size; i++)
char character = matchingRegion.charAt(i);
if (character == '+' || Character.isDigit(character))
buffer.append(character);
return buffer.toString();
/**
* Do not create this static utility class.
*/
private Patterns()
【讨论】：
+1 为您服务！太感谢了！！！这是很棒的代码！每个人都在尝试使用困难的正则表达式，而这可能很容易。太棒了！ @JPM 除了 OP 正在寻找 Java 解决方案而不是 Android 特定解决方案（容易忘记查看 Q 的特定标签）。不过，对于那些为 Android 编写代码的人来说，这是一件好事，所以我提高了。 @indivisible 幸运的是，Android 是开源的，你可以从github.com/android/platform_frameworks_base/blob/master/core/… 获取代码:) @EpicPandaForce 我认为您的评论是使这个答案可以接受/有帮助的唯一原因，因为问题是寻找java 解决方案，而不是android
它不检查 url 是从 http 还是从 https 开始的。我用 www.www 测试过，它给了我真实的信息。所以对我没用【参考方案7】：
改用以下正则表达式字符串。您的测试可能是以区分大小写的方式完成的。我添加了小写字母以及正确的字符串开头占位符。
String regex = "^(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]";
这也有效：
String regex = "\\b(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]";
注意：
String regex = "<\\b(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]>"; // matches <http://google.com>
String regex = "<^(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]>"; // does not match <http://google.com>
【讨论】：
使用你的正则表达式我也得到了错误。 你看到我最后的编辑了吗？我用手指抚摸着弦的开头。我刚刚将它复制到 Eclipse 中，我得到了“真实”。 谢谢，我第一次看到 *** 中 cmets 的实用程序 没问题。如果您使用的是 Eclipse，我喜欢使用此处提供的 RegEx Tester 插件brosinski.com/regex 感谢我正在使用 eclipse 的链接【参考方案8】：所有建议方法的问题：所有 RegEx 都在验证
所有基于 RegEx 的代码都被过度设计：它只会找到有效的 URL！作为示例，它将忽略以“http://”开头且内部包含非 ASCII 字符的任何内容。
甚至更多：我遇到过使用 Java RegEx 包（从文本中过滤电子邮件地址）的 1-2 秒处理时间（单线程、专用），用于处理非常小而简单的句子，没有什么特别的； Java 6 RegEx 中可能存在错误...
最简单/最快的解决方案是使用 StringTokenizer 将文本拆分为标记，删除以“http://”等开头的标记，并再次将标记连接成文本。
如果你想从文本中过滤电子邮件（因为稍后你会做 NLP 人员等） - 只需删除所有包含“@”的标记。
这是 Java 6 的 RegEx 失败的简单文本。在 Java 的不同变体中尝试一下。在长时间运行的单线程测试应用程序中，每次 RegEx 调用大约需要 1000 毫秒：
pattern = Pattern.compile("[A-Za-z0-9](([_\\.\\-]?[a-zA-Z0-9]+)*)@([A-Za-z0-9]+)(([\\.\\-]?[a-zA-Z0-9]+)*)\\.([A-Za-z]2,)", Pattern.CASE_INSENSITIVE);
"Avalanna is such a sweet little girl! It would b heartbreaking if cancer won. She's so precious! #BeliebersPrayForAvalanna");
"@AndySamuels31 Hahahahahahahahahhaha lol, you don't look like a girl hahahahhaahaha, you are... sexy.";
如果您只需要过滤带有“@”、“http://”、“ftp://”、“mailto:”的单词，请不要依赖正则表达式；这是巨大的工程开销。
如果你真的想在 Java 中使用 RegEx，试试Automaton
【讨论】：
大声笑。 Automaton 不支持捕获组。 我不明白你的担心。接受的答案的正则表达式实际上可以很好地验证 URL。你似乎在嘲笑它，说it will find only valid URLs!——这就是OP问题的目标。我错过了什么吗？【参考方案9】：
使用 RegexBuddy 库中的正则表达式时，请确保在您自己的代码中使用与库中的正则表达式相同的匹配模式。如果在Use选项卡上生成源代码sn-p，RegexBuddy会自动在源代码sn-p中设置正确的匹配选项。如果您复制/粘贴正则表达式，则必须自己进行。
在这种情况下，正如其他人指出的那样，您错过了不区分大小写选项。
【讨论】：
【参考方案10】：这也有效：
String regex = "\\b(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]";
注意：
String regex = "<\\b(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]>"; // matches <http://google.com>
String regex = "<^(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]>"; // does not match <http://google.com>
所以可能第一个对于一般用途更有用。
【讨论】：
以上是关于Java中匹配URL的正则表达式的主要内容，如果未能解决你的问题，请参考以下文章