Java 正则表达式综合实战：URL 匹配与源码解析

本文链接：https://blog.youkuaiyun.com/keshi12354/article/details/147233379

在 Web 应用开发中，我们经常需要对 URL 进行格式验证。今天我们结合 Java 的 Pattern 和 Matcher 类，深入理解正则表达式在实际应用中的强大功能，并剖析一段实际的 Java 示例源码。

package com.RegExpInfo;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Exercise02 {
    public static void main(String[] args) {
//        String content="https://";
//        String content="http://";
//        String content="https://" +
//                "www.bilibili.com/";
//        String content="https://" +
//                "www.bilibili.com/" +
//                "video/" +
//                "BV1fh411y7R8?spm_id_from=333.788.player.switch&vd_" +
//                "source=6fe96db28441a84c79edc35a022cf1c5&p=895" ;
//        String content="https://" +
//                "www.bilibili.com" ;
        String content="https://blog.youkuaiyun.com/keshi12354?spm=1000.2115.3001.5343";
//        String regExp="^((https|http)://)";
//        (2)
//        String regExp="^((https|http)://)([\\w-]+\\.)+[\\w-]+\\/";
//        (3)
        String regExp="^((https|http)://)([\\w-]+\\.)+[\\w-]+(\\/([\\w-_?=&./]*))?$";
//        String regExp="^((https|http)://)([\\w-]+\\.)+[\\w-]+(\\/([\\w-_?=&./]*))?$";
        Pattern pattern = Pattern.compile(regExp);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println(matcher.group(0));
        }


    }
}

1.正则表达式分解：

分布实现：
1. 基础协议匹配 (1)

 String regExp="^((https|http)://)";

功能：只匹配URL开头的协议部分
匹配内容：http:// 或 https://
结构：
- ^ 表示字符串开始
- (https|http) 匹配"https"或"http"
- :// 匹配协议分隔符
目的：先确保能正确识别URL的协议部分

2. 添加域名匹配 `(2)`

 String regExp="^((https|http)://)([\\w-]+\\.)+[\\w-]+\\/";

新增功能：在协议后添加域名和路径的基本匹配
匹配内容：如 http://example.com/
新增结构：
- ([\\w-]+\\.)+ 匹配一个或多个域名部分（如"www."或"sub.")
  - \\w 匹配单词字符（字母、数字、下划线）
  - - 匹配连字符
  - + 表示一次或多次
  - \\. 匹配点号
- [\\w-]+ 匹配顶级域名（如"com"）
- \\/ 匹配结尾的斜杠
目的：扩展匹配完整的域名结构

3. 添加路径和查询参数匹配 `(3)`

 String regExp="^((https|http)://)([\\w-]+\\.)+[\\w-]+(\\/([\\w-_?=&./]*))?$";

新增功能：支持可选的路径和查询参数
匹配内容：如 http://example.com/path?param=value
新增结构：
- (\\/([\\w-_?=&./]*))?
  - \\/ 匹配路径开始的斜杠
  - [\\w-_?=&./]* 匹配路径和查询参数
    - 包含字母、数字、下划线、连字符、问号、等号、&、点和斜杠
  - ? 表示整个路径部分是可选的
- $ 表示字符串结束
目的：使正则表达式能够匹配带路径和参数的完整URL

4. 最终优化版本

String regExp="^((https|http)://)?([\\w-]+\\.)+[\\w-]+(\\/([\\w-_?=&./]*))?$";

关键改进：使协议部分变为可选
匹配内容：现在可以匹配：
- 带协议的URL：http://example.com/path
- 不带协议的URL：example.com/path
修改点：
- 在协议部分 ((https|http)://) 后添加了 ? 使其变为可选
目的：提高正则表达式的灵活性，适应更多使用场景