Java 正则表达式综合实战：URL 匹配与源码解析

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.csdn.net/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

5.设计思想总结

1. 渐进式开发：从简单到复杂逐步构建正则表达式

2. 模块化设计：每个部分都有明确的功能划分（协议、域名、路径）

3. 灵活性增强：通过添加可选标记(?)使表达式更通用

4. 边界明确：始终使用^和$确保匹配整个字符串

5. 字符集合理定义：使用[\w-]等字符集准确描述允许的字符

这种分步构建的方法不仅使正则表达式更易于理解和维护，也方便在开发过程中逐步测试每个部分的匹配效果。