如何编码正确的 URI 正则表达式
how to code correct URI regex
有不同的 URI 模式试图找出正确的正则表达式来覆盖所有这些，例如：
1) href="http://site.example.com/category/
和
2) href="http://site.example.com/en/page/
使用 href=".+..+..+/(.+?)" 尊重第一个 url，第二个 url 跳过 en/page.
如何阅读 href="http://site.example.com/ 之后的所有内容？
应该这样做：
[^\./]+\.[^\./]+\.[^\./]+(?:/(.*))?
即：
[^\./]+ =（除 . 和 / 之外的任何值）
\. = 点
...? = ...
出现零次或一次
(?:...)? = ... 中的零个或一个，多于一个字符，但不捕获 ....
(?:/(.*))? = 捕获最后一个 / 之后的所有内容，如果有的话。
已测试here。
. 在正则表达式中表示 any character (except \n newline)，+ 表示 one or more of the previous expression，? 表示 0 or 1 of previous expression; also forces minimal matching when an expression might match several strings within a search string（例如 http://regexlib.com/CheatSheet.aspx） .
\. 匹配文字点。
所以你的正则表达式归结为 at least five signs, a slash sign, at least one sign, but you don't have to。
这意味着它甚至匹配 http:/。它 确实 匹配您的两个示例（使用 egrep 和 grep -P 测试），但前提是您将 href=" 替换为 href=\"并保留最后一个 "。否则它将匹配 none。
您可能想要的是：
.+\..+\..+/.*
或者，如果你想确保只匹配 urls，你可以考虑
http[s]?://([a-z]+\.)?[a-z]+\.[a-z]+/?[a-z/]?
http[s]?: 作为固定部分开始表达式（如果 ref 来自安全连接，则为 s）。 [a-z] 表示 match only lowercase letters。您可能会偶然发现名称中没有子域的网站，例如 whosebug.com，第一个 [a-z]+\. 是问号。 url 的结尾也是斜线。 [a-z/] 表示 match only lowercase letters and slashes.
有不同的 URI 模式试图找出正确的正则表达式来覆盖所有这些，例如：
1) href="http://site.example.com/category/ 和 2) href="http://site.example.com/en/page/
使用 href=".+..+..+/(.+?)" 尊重第一个 url，第二个 url 跳过 en/page.
如何阅读 href="http://site.example.com/ 之后的所有内容？
应该这样做：
[^\./]+\.[^\./]+\.[^\./]+(?:/(.*))?
即：
[^\./]+ =（除 . 和 / 之外的任何值）
\. = 点
...? = ...
出现零次或一次
(?:...)? = ... 中的零个或一个，多于一个字符，但不捕获 ....
(?:/(.*))? = 捕获最后一个 / 之后的所有内容，如果有的话。
已测试here。
. 在正则表达式中表示 any character (except \n newline)，+ 表示 one or more of the previous expression，? 表示 0 or 1 of previous expression; also forces minimal matching when an expression might match several strings within a search string（例如 http://regexlib.com/CheatSheet.aspx） .
\. 匹配文字点。
所以你的正则表达式归结为 at least five signs, a slash sign, at least one sign, but you don't have to。
这意味着它甚至匹配 http:/。它 确实 匹配您的两个示例（使用 egrep 和 grep -P 测试），但前提是您将 href=" 替换为 href=\"并保留最后一个 "。否则它将匹配 none。
您可能想要的是：
.+\..+\..+/.*
或者，如果你想确保只匹配 urls，你可以考虑
http[s]?://([a-z]+\.)?[a-z]+\.[a-z]+/?[a-z/]?
http[s]?: 作为固定部分开始表达式（如果 ref 来自安全连接，则为 s）。 [a-z] 表示 match only lowercase letters。您可能会偶然发现名称中没有子域的网站，例如 whosebug.com，第一个 [a-z]+\. 是问号。 url 的结尾也是斜线。 [a-z/] 表示 match only lowercase letters and slashes.