regex - Perl 正则表达式禁用括号提取

Question

我正在尝试在另一个答案中找到的东西，但我遇到了一些问题：

我知道 URL 有更好的正则表达式，但例如考虑一下：

@links=($content =~ m/(https?)?.*[.]com/g);
*$content has text or html

该部分(https?)?用于链接之类www.google.com的，但有括号返回"http"到$1其中@links！这是一个问题，因为我想要整个链接。

什么会从文本中全局提取简单链接（或指定的任何正则表达式）并将它们放入列表中？
简单来说，我的意思是：

• http://www.google.com
• www.google.com
• google.com
• https://www.google.com

Answer 1

您的方法太天真了，它不会捕获许多其他 URL。相反，请使用 Regexp::Common，如下所示：

use Regexp::Common qw/URI/;

my @links = ($content =~ /$RE{URI}/g);

这适用于 HTTP、HTTPS、FTP 等，并正确捕获 URL 参数的更高级组合。

Answer 2

非捕获版本如下所示：

m/(?:https?)?.*[.]com/g

为了捕获链接，我使用了这个从 URI::Find 派生的正则表达式：

m<https?://[;/\?:\@&=+\$,\[\]A-Za-z0-9\-_.!~*'()%#]*[/\?:\@&=+\$\[A-Za-z0-9\-_!~*(%#]>