正则表达式只匹配.gov tlds

Question

我想写一个正则表达式来抓取任何.gov或.edu网址的整个网址，使其成为一个链接。

我目前有：

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

所有()这样我就可以吐出它任何URL，但我只想.GOV或.edu的人。

在此先感谢。

Answer 1

[-A-Z0-9+&@#\/%?=~_|!:,.;]*似乎是诽谤大部分的网址，所以我们需要在这里堵塞.gov和.edu的地方。最快的解决办法是：

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

然而，这会匹配一个网址：http://www.example.com/evil.gov/test.html

为了解决这个问题，我们可以拿出它的顶级域名之前匹配/：

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

或者，在最后，我们有：

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

由于它与example.gov不匹配的问题，我在最后一个标记中添加了一个?。

该死的是丑陋的。