这个正则表达式匹配URL有什么问题？

Question

我在设置正则表达式来匹配使用C中的regex.h库的URL时遇到了一些困难。我有一个正在工作的IP正则表达式，我希望将其转换为匹配一个简单的字符串，如www.alphanumerictext12.com|edu|org。正则表达式定义本身的语法有些问题。

下面是工作IPREGEX代码和我尝试的URL正则表达式。

#define IPEXPR "([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})\\.([0-9]{1,3})" 
#define URLEXPR "(www)\\.((?:[a-z][a-z]*[0-9]+[a-z0-9]*))\\.(com|edu|org)" 

regex_t regex; 

if(regcomp(&regex, IPEXPR, REG_EXTENDED) != 0) 
    return 0; 

if(regexec(&regex, inputURL, 0, NULL, 0) != 0) 
    return 0; 

Answer 1

尝试：

"www\\.[a-z]+[a-z0-9]*\\.(com|edu|org)" 

我删除了[0-9]+与[a-z]+更换[a-z][a-z]*。

Answer 2

问题出在(?:)，您只需要(www)\\.([a-z][a-z]*[0-9]+[a-z0-9]*)\\.(com|edu|org)。

顺便说一下，你的内心表达说：“至少有一个字母字符，然后至少有一个数字字符，然后是任何字母数字字符”。这是你的意思吗？如果是这样，你可以缩短一点：[a-z]+[0-9]+[a-z0-9]*。

Answer 3

从Coding Horror：

一些人，当遇到一个问题，认为 “我知道，我将使用 正则表达式。”现在他们有 两个问题。

我的意思是：你确定正则表达式是解决问题的最好方法吗？也许你可以测试这个字符串是否是一个带有更多轻量级方法的URL？

---

编辑

我的电脑下面的程序，具有输出重定向到/dev/null，打印（到stderr）

 
rx time: 1.730000 
lw time: 0.920000 

计划清单：

#include <ctype.h> 
#include <stdio.h> 
#include <stdlib.h> 
#include <sys/types.h> 
#include <regex.h> 
#include <string.h> 
#include <time.h> 

int goodurl_rx(const char *buf) { 
    static regex_t rx; 
    static int done = 0; 
    int e; 

    if (!done) { 
    done = 1; 
    if ((e = regcomp(&rx, "^www\\.[a-z][a-z0-9]*\\.(com|edu|org)$", REG_EXTENDED)) != 0) { 
     printf("Error %d compiling regular expression.\n", e); 
     exit(EXIT_FAILURE); 
    } 
    } 
    return !regexec(&rx, buf, 0, NULL, 0); 
} 

int goodurl_lw(const char *buf) { 
    if (*buf++ != 'w') return 0; 
    if (*buf++ != 'w') return 0; 
    if (*buf++ != 'w') return 0; 
    if (*buf++ != '.') return 0; 
    if (!isalpha((unsigned char)*buf++)) return 0; 
    while (isalnum((unsigned char)*buf)) buf++; 
    if (*buf++ != '.') return 0; 
    if ((*buf == 'c') && (*(buf+1) == 'o') && (*(buf+2) == 'm') && (*(buf+3) == 0)) return 1; 
    if ((*buf == 'e') && (*(buf+1) == 'd') && (*(buf+2) == 'u') && (*(buf+3) == 0)) return 1; 
    if ((*buf == 'o') && (*(buf+1) == 'r') && (*(buf+2) == 'g') && (*(buf+3) == 0)) return 1; 
    return 0; 
} 

int main(void) { 
    clock_t t0, t1, t2; 
    char *buf[] = {"www.alphanumerics.com", "ww2.alphanumerics.com", "www.alphanumerics.net"}; 
    int times; 

    t0 = clock(); 
    times = 1000000; 
    while (times--) { 
    printf(" %s: %s\n", buf[0], goodurl_rx(buf[0])?"pass":"invalid"); 
    printf(" %s: %s\n", buf[1], goodurl_rx(buf[1])?"pass":"invalid"); 
    printf(" %s: %s\n", buf[2], goodurl_rx(buf[2])?"pass":"invalid"); 
    }; 
    t1 = clock(); 
    times = 1000000; 
    while (times--) { 
    printf(" %s: %s\n", buf[0], goodurl_lw(buf[0])?"pass":"invalid"); 
    printf(" %s: %s\n", buf[1], goodurl_lw(buf[1])?"pass":"invalid"); 
    printf(" %s: %s\n", buf[2], goodurl_lw(buf[2])?"pass":"invalid"); 
    } while (0); 
    t2 = clock(); 

    fprintf(stderr, "rx time: %f\n", (double)(t1-t0)/CLOCKS_PER_SEC); 
    fprintf(stderr, "lw time: %f\n", (double)(t2-t1)/CLOCKS_PER_SEC); 
    return 0; 
} 

Answer 4

您可能应该使用inet_pton()这是一个标准的POSIX功能（替换inet_aton()）并处理IPv4和IPv6地址格式。