문자열에서 URL 찾기

Question

안녕하세요, 문자열에서 URL을 찾으려면, 정규식을 사용하여 많은 주제를 발견했지만 문제가 있습니다. 이 패턴을 사용 :

String regex = "\\b(((ht|f)tp(s?)\\:\\/\\/|~\\/|\\/)|www.)" + 
      "(\\w+:\\w+@)?(([-\\w]+\\.)+(com|org|net|gov" + 
      "|mil|biz|info|mobi|name|aero|jobs|museum" + 
      "|travel|[a-z]{2}))(:[\\d]{1,5})?" + 
      "(((\\/([-\\w~!$+|.,=]|%[a-f\\d]{2})+)+|\\/)+|\\?|#)?" + 
      "((\\?([-\\w~!$+|.,*:]|%[a-f\\d{2}])+=?" + 
      "([-\\w~!$+|.,*:=]|%[a-f\\d]{2})*)" + 
      "(&(?:[-\\w~!$+|.,*:]|%[a-f\\d{2}])+=?" + 
      "([-\\w~!$+|.,*:=]|%[a-f\\d]{2})*)*)*" + 
      "(#([-\\w~!$+|.,*:=]|%[a-f\\d]{2})*)?\\b"; 

대부분의 페이지에서 꽤 잘 작동하지만 다른 문제가 있습니다. 예를 들어 :

http://hello.com/hello world

반환

http://hello.com/hello

문제를 그 공간입니다.

누구나이 문제를 해결하는 멋진 패턴을 가지고 있습니까?

감사합니다.

편집이 ::이

private ArrayList<String> pullLinks(String text) { 
    ArrayList<String> links = new ArrayList<String>(); 

    String regex = "\\b(((ht|f)tp(s?)\\:\\/\\/|~\\/|\\/)|www.)" + 
      "(\\w+:\\w+@)?(([-\\w]+\\.)+(com|org|net|gov" + 
      "|mil|biz|info|mobi|name|aero|jobs|museum" + 
      "|travel|[a-z]{2}))(:[\\d]{1,5})?" + 
      "(((\\/([-\\w~!$+|.,=]|%[a-f\\d]{2})+)+|\\/)+|\\?|#)?" + 
      "((\\?([-\\w~!$+|.,*:]|%[a-f\\d{2}])+=?" + 
      "([-\\w~!$+|.,*:=]|%[a-f\\d]{2})*)" + 
      "(&(?:[-\\w~!$+|.,*:]|%[a-f\\d{2}])+=?" + 
      "([-\\w~!$+|.,*:=]|%[a-f\\d]{2})*)*)*" + 
      "(#([-\\w~!$+|.,*:=]|%[a-f\\d]{2})*)?\\b"; 

    Pattern p = Pattern.compile(regex); 
    Matcher m = p.matcher(text); 
    while(m.find()) { 
    String urlStr = m.group(); 
    if (urlStr.startsWith("(") && urlStr.endsWith(")")) 
    { 
    urlStr = urlStr.substring(1, urlStr.length() - 1); 
    } 
    links.add(urlStr); 
    } 
    return links; 
    } 

Answer 1

공간의 URL에서 허용되지 않습니다 내 코드 (그들은 %20로 교체해야합니다). 이 질문에 인스턴스에 대한 답변을 참조하십시오 : 당신이 URL은 어쨌든 공백을 포함 할 수 있다면, 어떻게 예를 http://www.google.com/ig is a nice webpage에 대한

• Spaces in URLs?

해석 할 것인가? 분명히 /ig 이후의 부품은 포함되지 않아야합니다!

Answer 2

공백은 유효한 URL 문자가 아닙니다.

또한 공백 문자를 종결 자로 사용하지 않으면 URL 끝을 어떻게 알 수 있습니까?

정규 표현식은 .int와 같은 다른 최상위 도메인도 고려하지 않습니다. 유효한 URL을 구성 할 필요가 없으므로 특정 TLD를 왜 찾고 있는지 실제로 확신 할 수는 없습니다.