c# - URL C# 的正则表达式

Question

在我的 C# 程序中，我编写了一个 Google 搜索函数，它通过从每个页面获取源并通过正则表达式获取 URL 来工作。

我实际的正则表达式是：

(?:(?:(?:http)://)(?:w{3}\\.)?(?:[a-zA-Z0-9/;\\?&=:\\-_\\$\\+!\\*'\\(\\|\\\\~\\[\\]#%\\.])+)

目前这很好用，但我得到了例如 URLhttp://www.example.com/forums/arcade.php?efdf=332

在这种情况下，我只想获取没有?efdf=332末尾的 URL。

那么我应该如何更改正则表达式？

Answer 1

http://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+

与您的正则表达式相同（我已经删除了很多不必要的内容），但停止匹配?.

在 C# 中：

Regex regexObj = new Regex(@"http://(?:www\.)?[a-zA-Z0-9/;&=:_$+!*'()|~\[\]#%.\\-]+")

也就是说，我不确定这是否是匹配 URL 的好方法（那么https,ftp等mailto呢？）

Answer 2

您可以使用Uri该类访问 URL 的各个部分，并从末尾删除查询字符串，或连接所需的部分。