長いURLを解析する正規表現

Question

私はこの正規表現を使用していますが、すべてのシナリオではうまく動作しませんが、たとえば、長いURLで "http://www.gob.cl/especiales/politicas-y-propuestas-de -accion-para-el-desarrollo-de-la-educacion-chilena /「それは私を返すだけです」http：//www.gob。 URL

の一部としてここに私のコード

 
    $regexUrl = "((https?|ftp)\:\/\/)?"; // SCHEME 
    $regexUrl .= "([a-zA-Z0-9+!*(),;?&=\$_.-]+(\:[a-zA-Z0-9+!*(),;?&=\$_.-]+)?@)?"; // User and Pass 
    $regexUrl .= "([a-zA-Z0-9-]+)\.([a-zA-Z]{2,3})"; // Host or IP 
    $regexUrl .= "(\:[0-9]{2,5})?"; // Port 
    $regexUrl .= "(\/([a-zA-Z0-9+\$_-]\.?)+)*\/?"; // Path 
    $regexUrl .= "(\?[a-zA-Z+&\$_.-][a-zA-Z0-9;:@&%=+\/\$_.-]*)?"; // GET Query 
    $regexUrl .= "(#[a-zA-Z_.-][a-zA-Z0-9+\$_.-]*)?"; // Anchor 
    //if(preg_match_all("#\bhttps?://[^\s()]+(?:\([\w\d]+\)|([^[:punct:]\s]|/))#", $message, $matches1, PREG_PATTERN_ORDER)) 
    //$pattern = '/((https?|ftp)\:(\/\/)|(file\:\/{2,3}))?(((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))|(((([a-zA-Z0-9]+)(\.)?)+)(\.)(com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum|[a-z]{2}))([\/][\/a-zA-Z0-9\.]*)*([\/]?(([\?][a-zA-Z0-9]+[\=][a-zA-Z0-9\%\(\)]*)([\&][a-zA-Z0-9]+[\=][a-zA-Z0-9\%\(\)]*)*))?/'; 
    if(preg_match_all("/$regexUrl/", $urlMessage, $matches1, PREG_PATTERN_ORDER)) 
    { 
     try 
     { 
      foreach($matches1[0] as $urlToTrim1) 
      { 
       $url= $urlToTrim1; 
       echo $url; 
      } 
     } 
     catch(Exception $e) 
     { 
      $url="-1"; 
     } 
    } 

は、URLのすべての種類を解析することができ、一般的な正規表現が存在できます。正規表現

"([a-zA-Z0-9-]+)\.([a-zA-Z]{2,3})" 

の

Answer 1

あなたのホストまたは-IP部分は、内側の最大の単一のドットで認めていません。したがって、「www.xyz.com」は決して一致しません。

私は何をあなたの特定の要件を知りませんが、ホスト部分のため

"([^/?#:]+)" 

のようなものとなることがあります。 //またはhttps：//

((?:http|https)(?::\\/{2}[\\w]+)(?:[\\/|\\.]?)(?:[^\\s"]*))

Answer 2

URLはhttps：//またはhttp：//で始まり、特別な文字セットに限定されたシーケンスを持つことができるという前提です。

それから私は、すべてのURLの詳細を取得する$mにhttp://www.php.net/manual/en/function.parse-url.phpを使用することができます

編集：あなたがテキストを解析している場合も、あなたは、URLの末尾にピリオド（.）およびその他の句読点をチェックすることをお勧めします。私は、URLの末尾がhttp://example.comのように文の最後にある場合、人は.をURLの末尾に置くことができることに気付きました。

だから私はこのような何か：このダウンは好奇心から選ばれた理由

if (($url[$pos]==='!') || ($url[$pos]==='.')) { // probably do not want these chars at the end of a url! 
    $url = substr($url, 0, $pos); 
} 

Answer 3

をここで$テキストからすべてのURLを抽出するための私のいずれかになります。

preg_match_all('#(https?://[a-z0-9\.\-_\#%&=/?;,!:~@\$\+]+)#iu', $text, $m); 

それは上だあなたはhttpで始まるすべてのものと一致についてはどのように