正則表達式只匹配.gov tlds

Question

我想寫一個正則表達式來抓取任何.gov或.edu網址的整個網址，使其成爲一個鏈接。

我目前有：

/(\b(https?|ftp):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])/

所有()這樣我就可以吐出它任何URL，但我只想.GOV或.edu的人。

在此先感謝。

Answer 1

[-A-Z0-9+&@#\/%?=~_|!:,.;]*似乎是誹謗大部分的網址，所以我們需要在這裏堵塞.gov和.edu的地方。最快的解決辦法是：

[-A-Z0-9+&@#\/%?=~_|!:,.;]+(\.gov|\.edu)[-A-Z0-9+&@#\/%?=~_|!:,.;]*

然而，這會匹配一個網址：http://www.example.com/evil.gov/test.html

爲了解決這個問題，我們可以拿出它的頂級域名之前匹配/：

[-A-Z0-9+&@#%?=~_|!:,.;]+(\.gov|\.edu)[-A-Z0-9+&@#\/%?=~_|!:,.;]*

或者，在最後，我們有：

/(\b(https?|ftp):\/\/[-A-Z0-9+&@#%?=~_|!:,.;]+(\.gov|\.edu)[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|]?)/

由於它與example.gov不匹配的問題，我在最後一個標記中添加了一個?。

該死的是醜陋的。