iPhone - URL 有效性的 Reg Exp

Question

我有一个聊天视图，用户可以在其中互相发送网址。 如果是 url，我想让用户按下链接并打开网页视图。

我正在使用 IFTweetLabel，它使用 RegexKitLite。 目前唯一可用的支持是 url 以 http/https 开头。 我想支持没有http的链接，例如：www.nytimes.com，甚至没有“www”，nytimes.com。 （以及一堆其他扩展）。

这是 http/s 前缀 reg exp ：

@"([hH][tT][tT][pP][sS]?:\\/\\/[^ ,'\">\\]\\)]*[^\\. ,'\">\\]\\)])

有人可以告诉我我需要回答我的其他要求的其他正则表达式吗？

我尝试使用这个，但是将其添加到 Objective C 代码中会产生很多问题。

谢谢

Answer 1

以下是 John Grubers URL 匹配正则表达式：

(?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`!()\[\]{};:'".,<>?«»“”‘’])

以下是我通过混合我拥有的其他一些正则表达式而提出的正则表达式周围和一大块 Grubers 正则表达式：

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

以下是一个示例程序，通过 RegexKitLite 演示了每个正则表达式与示例文本的匹配内容：

你看到了吗
http://www.stackoverflow.com？或者
http://www.stackoverflow.com/？

然后还有
www.stackoverflow.com/，以及
www.stackoverflow.com/index。

也许类似于 stackoverflow.com
有额外的 stackoverflow.com 吗？或者
“stackoverflow.com”？

也许 jobs.stackoverflow.com，或者
'http://twitter.com/#!/CHOCKENBERRY',
木栓！！

文件
@file:///Users/johne/rkl/rkl.html#RegexKitLiteCookbook？

也许
http://www.yahoo.com/index///i.html！
http://www.yahoo.com/////xyz.html？！

代码：

#import <Foundation/Foundation.h>
#import "RegexKitLite.h"

int main(int argc, char *argv[]) {
  NSAutoreleasePool *pool = [[NSAutoreleasePool alloc] init];

  NSString *urlRegex = @"(?i)\\b(?:(?:[a-z][\\w\\-]+://(?:\\S+?(?::\\S+?)?\\@)?)|(?:(?:[a-z0-9\\-]+\\.)+[a-z]{2,4}))(?:[^\\s()<>]+|\\((?:[^\\s()<>]+|(?:\\([^\\s()<>]*\\)))*\\))*(?<![\\s`!()\\[\\]{};:'\".,<>?«»“”‘’])";

  // John Gruber's URL matching regex from http://daringfireball.net/2010/07/improved_regex_for_matching_urls
  NSString *gruberURLRegex = @"(?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`!()\\[\\]{};:'\".,<>?«»“”‘’])";

  NSString *urlString = @"Did you see http://www.stackoverflow.com?  Or http://www.stackoverflow.com/?\n\nAnd then there is www.stackoverflow.com/, along with www.stackoverflow.com/index.\n\nMaybe something like stackoverflow.com with extra stackoverflow.com?  Or \"stackoverflow.com\"?\n\nPerhaps jobs.stackoverflow.com, or 'http://twitter.com/#!/CHOCKENBERRY', the CHOCKLOCK!!\n\nFile @file:///Users/johne/rkl/rkl.html#RegexKitLiteCookbook?\n\nMaybe http://www.yahoo.com/index///i.html!  http://www.yahoo.com/////xyz.html?!";

  NSLog(@"String :\n\n%@\n\n", urlString);

  NSLog(@"Matches: %@\n", [urlString componentsMatchedByRegex:urlRegex]);

  NSLog(@"Gruber URL Regex Matches: %@\n", [urlString componentsMatchedByRegex:gruberURLRegex]);

  [pool release]; pool = NULL;
  return(0);
}

编译为：

shell% gcc -o url url.m RegexKitLite.m -framework Foundation -licucore

运行时：

shell% ./url
2011-05-27 20:32:58.204 url[25520:903] String :

Did you see http://www.stackoverflow.com?  Or http://www.stackoverflow.com/?

And then there is www.stackoverflow.com/, along with www.stackoverflow.com/index.

Maybe something like stackoverflow.com with extra stackoverflow.com?  Or "stackoverflow.com"?

Perhaps jobs.stackoverflow.com, or 'http://twitter.com/#!/CHOCKENBERRY', the CHOCKLOCK!!

File @file:///Users/johne/rkl/rkl.html#RegexKitLiteCookbook?

Maybe http://www.yahoo.com/index///i.html!  http://www.yahoo.com/////xyz.html?!

2011-05-27 20:32:58.211 url[25520:903] Matches: (
    "http://www.stackoverflow.com",
    "http://www.stackoverflow.com/",
    "www.stackoverflow.com/",
    "www.stackoverflow.com/index",
    "stackoverflow.com",
    "stackoverflow.com",
    "stackoverflow.com",
    "jobs.stackoverflow.com",
    "http://twitter.com/#!/CHOCKENBERRY",
    "file:///Users/johne/rkl/rkl.html#RegexKitLiteCookbook",
    "http://www.yahoo.com/index///i.html",
    "http://www.yahoo.com/////xyz.html"
)
2011-05-27 20:32:58.213 url[25520:903] Gruber URL Regex Matches: (
    "http://www.stackoverflow.com",
    "http://www.stackoverflow.com/",
    "www.stackoverflow.com/",
    "www.stackoverflow.com/index",
    "http://twitter.com/#!/CHOCKENBERRY",
    "file:///Users/johne/rkl/rkl.html#RegexKitLiteCookbook",
    "http://www.yahoo.com/index///i.html",
    "http://www.yahoo.com/////xyz.html"
)

编辑 2011/05/27： 对正则表达式进行了细微更改，以修复与 ( ) 括号正确。

编辑2011/05/27：发现上面的正则表达式不能很好地处理一些额外的极端情况。更新了正则表达式：

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

...作为 Obj-C 字符串：

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

OP 还询问如何确保尾随 TLD 是“有效”。这是相同的正则表达式，采用 Obj-C 字符串形式，包含所有当前有效的 TLD（截至2011年5月27日）：

@"(?i)\\b(?:[a-z][\\w\\-]+://(?:\\S+?(?::\\S+?)?\\@)?)?(?:(?:(?<!:/|\\.)(?:(?:[a-z0-9\\-]+\\.)+(?:(ac|ad|ae|aero|af|ag|ai|al|am|an|ao|aq|ar|arpa|as|asia|at|au|aw|ax|az|ba|bb|bd|be|bf|bg|bh|bi|biz|bj|bm|bn|bo|br|bs|bt|bv|bw|by|bz|ca|cat|cc|cd|cf|cg|ch|ci|ck|cl|cm|cn|co|com|coop|cr|cu|cv|cx|cy|cz|de|dj|dk|dm|do|dz|ec|edu|ee|eg|er|es|et|eu|fi|fj|fk|fm|fo|fr|ga|gb|gd|ge|gf|gg|gh|gi|gl|gm|gn|gov|gp|gq|gr|gs|gt|gu|gw|gy|hk|hm|hn|hr|ht|hu|id|ie|il|im|in|info|int|io|iq|ir|is|it|je|jm|jo|jobs|jp|ke|kg|kh|ki|km|kn|kp|kr|kw|ky|kz|la|lb|lc|li|lk|lr|ls|lt|lu|lv|ly|ma|mc|md|me|mg|mh|mil|mk|ml|mm|mn|mo|mobi|mp|mq|mr|ms|mt|mu|museum|mv|mw|mx|my|mz|na|name|nc|ne|net|nf|ng|ni|nl|no|np|nr|nu|nz|om|org|pa|pe|pf|pg|ph|pk|pl|pm|pn|pr|pro|ps|pt|pw|py|qa|re|ro|rs|ru|rw|sa|sb|sc|sd|se|sg|sh|si|sj|sk|sl|sm|sn|so|sr|st|su|sv|sy|sz|tc|td|tel|tf|tg|th|tj|tk|tl|tm|tn|to|tp|tr|travel|tt|tv|tw|tz|ua|ug|uk|us|uy|uz|va|vc|ve|vg|vi|vn|vu|wf|ws|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|ye|yt|za|zm|zw))(?![a-z]))|(?<=://)/))(?:(?:[^\\s()<>]+|\\((?:[^\\s()<>]+|(?:\\([^\\s()<>]*\\)))*\\))*)(?<![\\s`!()\\[\\]{};:'\".,<>?«»“”‘’])";

Answer 2

这将匹配 http://example.org 和 www.example.org。

@"(([hH][tT][tT][pP][sS]?:\\/\\/|www\\.)[^ ,'\">\\]\\)]*\\.[^\\. ,'\">\\]\\)]{2,6})

尽管我添加了“匹配组”，但请检查 RegExp 返回的匹配/搜索结果，以便将正确的参数重新插入到正确的位置。

如果您可以发布整个代码片段，那就更容易了。

正则表达式解释：

(
    (
        [hH][tT][tT][pP][sS]?:\/\/    # Match HTTP/http (and hTtP :)
        |                             # OR
        www\.                         # www<literal DOT>
    )
    [^ ,'\">\]\)]*                    # Match at least 1 character that are not any of space, comma, apostrophe, quotation mark, "more than", "right square bracket", "right parenthese"
    \.                                # Match <literal DOT>
    [^\. ,'\">\]\)]{2,6}              # Match 2-6 characters that are not any of dot, space, comma, apostrophe, quotation mark, "more than", "right square bracket", "right parenthese"
)

Answer 3

您不想为此使用正则表达式。

您需要一个 NSDataDetector，它会为您找到所有内容。