这个匹配 URL 的正则表达式有什么问题？

Question

我在使用 C 中的 regex.h 库设置正则表达式来匹配 URL 时遇到了一些困难。我有一个有效的 IP 正则表达式，我希望将其转换为匹配简单的字符串，例如 www.alphanumerictext12 .com|edu|org。我的正则表达式定义本身的语法有问题。

下面是有效的 IPREGEX 代码和我尝试的 URL 正则表达式。

#define IPEXPR    "([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})"
#define URLEXPR "(www)\\.((?:[a-z][a-z]*[0-9]+[a-z0-9]*))\\.(com|edu|org)"

regex_t regex;

if(regcomp(&regex, IPEXPR, REG_EXTENDED) != 0)
  return 0;

if(regexec(&regex, inputURL, 0, NULL, 0) != 0)
  return 0;

Answer 1

尝试：

"www\\.[a-z]+[a-z0-9]*\\.(com|edu|org)"

我删除了 [0-9]+ 并将 [az][az]* 替换为 [az]+。

Answer 2

问题出在 (?: ) 中，您只需要 (www)\\.([az][az]*[0-9]+[a-z0-9]* )\\.(com|edu|org)。

顺便说一句，你的内心表达是：“至少一个字母字符，然后至少一个数字字符，然后是任何字母数字字符”。是你的意思吗？如果是这样，您可以将其缩短一点：[az]+[0-9]+[a-z0-9]*。

Answer 3

您可能应该使用 inet_pton() 这是一个标准 POSIX 函数（替换 inet_aton()）并处理 IPv4 和 IPv6 地址格式。

Answer 4

来自编码恐怖：

有些人在遇到问题时会想：“我知道，我会用
正则表达式。”现在他们有了
两个问题。

我的意思是：您确定正则表达式是解决您的问题的最佳方法吗？也许你可以用一些更轻量级的方法来测试该字符串是否是一个URL？

---

编辑

我的计算机上的以下程序，输出重定向到/dev/null，打印（到stderr）

rx time: 1.730000
lw time: 0.920000

程序列表：< /强>

#include <ctype.h>
#include <stdio.h>
#include <stdlib.h>
#include <sys/types.h>
#include <regex.h>
#include <string.h>
#include <time.h>

int goodurl_rx(const char *buf) {
  static regex_t rx;
  static int done = 0;
  int e;

  if (!done) {
    done = 1;
    if ((e = regcomp(&rx, "^www\\.[a-z][a-z0-9]*\\.(com|edu|org)$", REG_EXTENDED)) != 0) {
      printf("Error %d compiling regular expression.\n", e);
      exit(EXIT_FAILURE);
    }
  }
  return !regexec(&rx, buf, 0, NULL, 0);
}

int goodurl_lw(const char *buf) {
  if (*buf++ != 'w') return 0;
  if (*buf++ != 'w') return 0;
  if (*buf++ != 'w') return 0;
  if (*buf++ != '.') return 0;
  if (!isalpha((unsigned char)*buf++)) return 0;
  while (isalnum((unsigned char)*buf)) buf++;
  if (*buf++ != '.') return 0;
  if ((*buf == 'c') && (*(buf+1) == 'o') && (*(buf+2) == 'm') && (*(buf+3) == 0)) return 1;
  if ((*buf == 'e') && (*(buf+1) == 'd') && (*(buf+2) == 'u') && (*(buf+3) == 0)) return 1;
  if ((*buf == 'o') && (*(buf+1) == 'r') && (*(buf+2) == 'g') && (*(buf+3) == 0)) return 1;
  return 0;
}

int main(void) {
  clock_t t0, t1, t2;
  char *buf[] = {"www.alphanumerics.com", "ww2.alphanumerics.com", "www.alphanumerics.net"};
  int times;

  t0 = clock();
  times = 1000000;
  while (times--) {
    printf("    %s: %s\n", buf[0], goodurl_rx(buf[0])?"pass":"invalid");
    printf("    %s: %s\n", buf[1], goodurl_rx(buf[1])?"pass":"invalid");
    printf("    %s: %s\n", buf[2], goodurl_rx(buf[2])?"pass":"invalid");
  };
  t1 = clock();
  times = 1000000;
  while (times--) {
    printf("    %s: %s\n", buf[0], goodurl_lw(buf[0])?"pass":"invalid");
    printf("    %s: %s\n", buf[1], goodurl_lw(buf[1])?"pass":"invalid");
    printf("    %s: %s\n", buf[2], goodurl_lw(buf[2])?"pass":"invalid");
  } while (0);
  t2 = clock();

  fprintf(stderr, "rx time: %f\n", (double)(t1-t0)/CLOCKS_PER_SEC);
  fprintf(stderr, "lw time: %f\n", (double)(t2-t1)/CLOCKS_PER_SEC);
  return 0;
}