regex para URL incluyendo cadena de consulta

Question

Pensé que esto sería una simple búsqueda en Google pero aparentemente no. ¿Qué es una expresión regular que puedo usar en C# para analizar una URL incluyendo cualquier cadena de consulta de un texto más grande? He pasado mucho tiempo y he encontrado muchos ejemplos de los que no incluyen la cadena de consulta. Y no puedo usar System.URI, porque eso supone que ya tienes la URL ... Necesito encontrarla en el texto que la rodea.

Answer 1

Esto debe conseguir casi cualquier cosa (no dude en añadir protocolos adicionales):

@"(https?|ftp|file)\://[A-Za-z0-9\.\-]+(/[A-Za-z0-9\?\&\=;\+!'\(\)\*\-\._~%]*)*" 

La verdadera dificultad es encontrar el final. Como es, este patrón se basa en encontrar un personaje inválido. Eso sería cualquier cosa que no sean letras, números, guiones o un período anterior al final del nombre de dominio, o cualquier cosa que no sean esos más barra diagonal (/), signo de interrogación (?), Ampersand (&), signo igual (=), punto y coma (;), signo más (+), signo de exclamación (!), apóstrofo/comilla simple ('), paréntesis de abrir/cerrar, asterisco (*), guión bajo (_), tilde (~) o signo de porcentaje (%) después del nombre de dominio.

Tenga en cuenta que esto permitiría a las direcciones URL no válidas como

http://../ 

Y sería recoger cosas después de un URL, como en esta cadena:

tal vez debería tratar http://www.google.com.

Donde "http://www.google.com." (con el período de salida) coincidirían.

También se perdería URL que no comenzó con una especificación de protocolo (en concreto, los protocolos dentro del primer conjunto de paréntesis, por ejemplo, que se perdería el URL en esta cadena:.

Tal vez debe tratar de www.google.com.

es muy difícil conseguir todos los casos sin algunos límites mejor definidos.

Answer 2

Salida clase constructor de cadena de consulta de este tipo -

http://weblogs.asp.net/bradvincent/archive/2008/10/27/helper-class-querystring-builder-chainable.aspx

Microsoft también tiene una UriBuilder que podría ayudarle -

http://msdn.microsoft.com/en-us/library/system.uribuilder.query.aspx

Answer 3

RegexLib tiene un montón de cosas útiles ...

http://regexlib.com/Search.aspx?k=querystring

Answer 4

Utilice el ABNF al final del RFC3986 como punto de partida para hacerlo bien.

Esto los usa para la validación de URI en Python; no es lo que está buscando, pero debería darle una idea de la dirección en la que debe ingresar: http://gist.github.com/138549

Answer 5

Disculpe que aún no puedo agregar comentarios, pero me gustaría señalar que la respuesta de P Daddy requiere un pequeño ajuste:

@"(https?|ftp|file)\://[a-zA-Z0-9\.\-]+(/[a-zA-Z0-9\?\&\=;\+!'\(\)\*\-\._~%]*)*"