正則表達式完整指南：精準匹配 URL 與網址的多種模式

正則表達式匹配 URL 的核心模式解析

在處理文字資料時，從海量文本中精準提取網址是常見需求。正則表達式雖然強大，但 URL 結構複雜（協議、域名、埠號、路徑、查詢參數、片段識別符），單一模式難以覆蓋所有情況。本文整理多種實戰驗證的正則模式，涵蓋 HTTP/HTTPS/FTP 協議、IP 位址、域名、埠號、路徑參數等場景，並附帶匹配/不匹配範例，供開發者依據業務需求選擇。

基礎版：匹配標準 HTTP/HTTPS/FTP 網址

(http|ftp|https):\/\/[\w\-_]+(\.[\w\-_]+)+([\w\-\.,@?^=%&:/~\+#]*[\w\-\@?^=%&/~\+#])?

• 匹配範例： https://regxlib.com/Default.aspx、https://electronics.cnet.com/electronics/0-6342366-8-8994967-1.html
• 不匹配： www.yahoo.com（缺少協議頭）
• 適用場景： 快速提取帶協議頭的標準網址，適合日誌分析、爬蟲初步過濾。

進階版：支援 IP 位址、埠號、認證資訊的嚴格驗證

^(http|https|ftp)\://([a-zA-Z0-9\.\-]+(\:[a-zA-Z0-9\.&%\$\-]+)*@)?((25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9])\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[1-9]|0)\.(25[0-5]|2[0-4][0-9]|[0-1]{1}[0-9]{2}|[1-9]{1}[0-9]{1}|[0-9])|([a-zA-Z0-9\-]+\.)*[a-zA-Z0-9\-]+\.[a-zA-Z]{2,4})(\:[0-9]+)?(/[^/][a-zA-Z0-9\.\,\?\'\\/\+&%\$#\=~_\-@]*)*$

• 匹配範例： https://www.sysrage.net、https://64.81.85.161/site/file.php?cow=moo's、ftp://user:pass@host.com:123
• 不匹配： sysrage.net（缺少協議）
• 特點： 驗證 IPv4 格式、支援用戶認證、埠號、複雜查詢參數，適合表單驗證、安全過濾。

通用版：兼容 www 開頭、無協議頭的常見寫法

^(((ht|f)tp(s?))\://)?(www.|[a-zA-Z].)[a-zA-Z0-9\-\.]+\.(com|edu|gov|mil|net|org|biz|info|name|museum|us|ca|uk)(\:[0-9]+)*(/($|[a-zA-Z0-9\.\,\;\?\'\\\+&%\$#\=~_\-]+))*$

• 匹配範例： www.blah.com:8103、www.blah.com/blah.asp?sort=ASC、www.blah.com/blah.htm#blah
• 不匹配： www.state.ga（非標準頂級域）、https://www.blah.ru（未列入允許的 TLD 列表）
• 注意： 頂級域名列表需隨 IANA 更新維護，現代應用建議改用更寬鬆的域名匹配策略。

強健提取版：從文本中智能提取 URL（含括號、標點處理）

\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))

• 匹配範例： 文本中的 https://foo.com/blah_blah、(Something like https://foo.com/blah_blah)、<https://foo.com/blah_blah>、https://userid:password@example.com:8080
• 不匹配： no_ws.example.com、/relative_resource.php
• 優勢： 處理尾隨標點（句號、逗號）、括號包裹、尖括號包裹等真實文本場景，適合聊天記錄、郵件內容解析。

其他實用模式速查

選型建議與最佳實踐

1. 輸入驗證（表單、API）：使用嚴格版，確保協議、域名/IP、埠號格式正確。
2. 文本提取（爬蟲、日誌分析）：使用強健提取版，最大化召回率，後續再做清洗。
3. 前端展示/鏈接化：結合通用版與強健版，優先識別帶協議的 URL，再補充 www 開頭格式。
4. 效能考量：避免過度嵌套量詞（如 `(.*)*`），優先使用具體字符類別（`[^\s()<>]`），必要時預編譯正則對象。

正則表達式是把雙刃劍，複雜模式難以維護。建議在專案中封裝為工具類，附上完整測試用例（正向/負向），並隨業務演進持續優化。現代開發中，亦可考慮使用成熟庫（如 Java `java.net.URL` 解析、Python `urllib.parse`、JS `URL` API）輔助驗證，以正則為補充，構建更可靠的 URL 處理體系。