java中包含一些url的正则表达式

Question

我有这个问题：我必须制作一个正则表达式，它接受以下url：http://www.amazon.it/TP-LINK-TL-WR841N-Wireless-300Mbps-Ethernet/dp/B001FWYGJS?ie=UTF8&redirect=true&ref_=s9_simh_gw_p147_d0_i2

http://www.amazon.it/gp/product/B014KMQWU0/

http://www.amazon.it/gp/product/glance/B014KMQWU0/

我需要一个正则表达式，它匹配完整的url，直到产品的ASIN（ASIN是一个10个大写字母的单词）

我已经写了这个正则表达式，但没有做我想要的：

String regex="http:\/\/(?:www\.|)amazon\.com\/(?:gp\ product|| gp\ product\ glance || [^\/]+\/dp|dp)\/([^\/]{10})";
        Pattern pattern=Pattern.compile(regex);
        Matcher urlAmazonMatcher = pattern.matcher(url);
        while (urlAmazonMatcher.find()) {
            System.out.println("PROVA "+urlAmazonMatcher.group(0));
        }    

Answer 1

这是我的解决方案。终于起作用了：D

String regex="(http|www\.)amazon\.(com|it|uk|fr|de)\/(?:gp\/product|gp\/product\/glance|[^\/]+\/dp|dp)\/([^\/]{10})";
            Pattern pattern=Pattern.compile(regex);
            Matcher urlAmazonMatcher = pattern.matcher(url);
            String toReturn = null;
            while (urlAmazonMatcher.find()) {
               toReturn=urlAmazonMatcher.group(0);
            }

Answer 2

怎么样

/[^/?]{10}(/$|?)

这匹配10个既不是/也不是？如果这些字符后面跟着最后一个斜杠或问号，则跟在斜杠后面。

您可以使用各种Matcher函数之一获取ASIN之前或之后的零件。

Answer 3

这是我以前从文本中提取URL的项目的工作：

    private Pattern getUriPattern() {
    if(uriPattern == null) {
        // taken from http://labs.apache.org/webarch/uri/rfc/rfc3986.html
        //TODO implement the full URI syntax
        String genDelims  = "\:\/\?\#\[\]\@";
        String subDelims  = "\!\$\&\'\*\+\,\;\=";
        String reserved = genDelims + subDelims;
        String unreserved = "\w\-\.\~"; // i.e. ALPHA / DIGIT / "-" / "." / "_" / "~"
        String allowed = reserved + unreserved;
        // ^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(?([^#]*))?(#(.*))?
        uriPattern = Pattern.compile("((?:[^\:/\?\#]+:)?//[" + allowed + "&&[^\?\#]]*(?:\?([" + allowed + "&&[^\#]]*))?(?:\#[" + allowed + "]*)?).*");
    }
    return uriPattern;
}

您可以使用以下方法：

    Matcher uriMatcher =
    getUriPattern().matcher(text);
if(uriMatcher.matches()) {
    String candidateUriString = uriMatcher.group(1);
    try {
        new URI(candidateUriString); // check once again if you matched a URL
        // your code here
    } catch (Exception e) {
        // error handling
    }
}

这将捕获整个URL，包括params。然后，您可以将其拆分为第一次出现的"？"（如果有的话），取第一部分。当然，您也可以重新生成正则表达式。