使用Java +正则表达式从文本文档中提取URL
我正在尝试创建一个正则表达式来使用Java从文本文档中提取URL，但到目前为止我还没有成功。 我想要捕获的两个案例如下：
以http：//以www开头的url开头的url。 （从前面缺少协议）
以及查询字符串参数。
谢谢！ 我希望我真的更了解正则表达式。
干杯，
如果你想确保你真正匹配一个url，而不仅仅是一个以’www’开头的单词。 您可以使用DVK之前提到的表达式。 我稍微修改了它并写了一个小代码片段作为你的起点：
import java.util.*; import java.util.regex.*; class FindUrls { public static List extractUrls(String input) { List result = new ArrayList (); Pattern pattern = Pattern.compile( "\\b(((ht|f)tp(s?)\\:\\/\\/|~\\/|\\/)|www.)" + "(\\w+:\\w+@)?(([-\\w]+\\.)+(com|org|net|gov" + "|mil|biz|info|mobi|name|aero|jobs|museum" + "|travel|[az]{2}))(:[\\d]{1,5})?" + "(((\\/([-\\w~!$+|.,=]|%[af\\d]{2})+)+|\\/)+|\\?|#)?" + "((\\?([-\\w~!$+|.,*:]|%[af\\d{2}])+=?" + "([-\\w~!$+|.,*:=]|%[af\\d]{2})*)" + "(&(?:[-\\w~!$+|.,*:]|%[af\\d{2}])+=?" + "([-\\w~!$+|.,*:=]|%[af\\d]{2})*)*)*" + "(#([-\\w~!$+|.,*:=]|%[af\\d]{2})*)?\\b"); Matcher matcher = pattern.matcher(input); while (matcher.find()) { result.add(matcher.group()); } return result; } } 所有基于RegEx的代码都是过度设计的 ，特别是来自最多投票答案的代码，这就是为什么：它只能找到有效的 URL！ 作为示例，它将忽略以“http：//”开头且内部具有非ASCII字符的任何内容。
更多：我遇到了1-2秒的处理时间（单线程，专用）和Java RegEx包，用于非常小而简单的句子，没有具体的内容; 可能是Java 6 RegEx中的错误…
最简单/最快的解决方案是使用StringTokenizer将文本拆分为标记，删除以“http：//”等开头的标记，并将标记再次连接到文本中。
如果您真的想将RegEx与Java一起使用，请尝试使用Automaton
这个链接有很好的URL RegEx（顺便说一句，它们很难正确 – 瘦http / https;端口＃，有效字符，GET字符串，锚链接的井号等等）
http://flanders.co.nz/2009/11/08/a-good-url-regular-expression-repost/
Perl具有包含cannedRegExes的CPAN库，包括URL。 虽然不确定Java 🙁
如果它是URL，则测试某一行
Pattern p = Pattern.compile("http://.*|www\\..*"); Matcher m = p.matcher("http://..."); // put here the line you want to check if(m.matches()){ so something }