新手Regex

Question

我刚开始使用regex，并试图找出在scala中使用的东西。

我试图在一个很长的字符串中识别URL。我到处看看，发现最好的就是

val regex = """https?://([-\w\.]+)+(:\d+)?(/([\w/_\.]*(\?\S+)?)?)?""".r

不过，这还有些不尽如人意的地方，在最后留下“>图像”之类的东西。我正试图弄清楚我的正则表达式到底是什么意思，这样我就可以解剖它，让它在.com/.org/.edu/.whatever.中的.之后碰到一个非单词字符时停止。

我希望有人不会介意解释这个预先形成的regex中有哪些单独的元素，这样我就可以弄清楚发生了什么，并了解更多关于regex的知识。我已经读过一两本教程，发现了一些东西，但是我想我现在想要的东西对我来说是无价的。

我明白了：

• ?后面的https意味着s是optional
• ?，后面的元素意味着它们的意思，optional
• \w似乎意味着单词，characters
• \d似乎意味着数字，
• .覆盖大多数字符，除非转义的

我不明白：

我们是如何确定何时转义+

• what
• :或:转义字符的(我以为它是反斜杠，但这里似乎不起作用？)
• 如何指定一个需求可以表示一个范围，所以就像word char不仅仅是一个字符，而是1-X字符

。

无论如何，我希望有人能指导我一个问题，而不是把我推到另一个教程，帮助解释个别元素的出现。我会感激的。

regexlib帮了我一个忙：

val regex = """https?://\w+\.\w+\.\w+[\w/_\.\?=&:]+""".r

我能理解的每一点！

Answer 1

我认为包含“>Image”的主要问题是通过替换匹配查询html字符串的部分来解决的。

(\?\S+)

使用不包括“<>”的内容，如\S所做的那样

(\?[\w=$&.\-^@#~+%]+)