regex - 从大文本文件中获取链接列表

Question

我有一个巨大的文本文件，超过 20k 行，我想从中提取链接。

我需要的是一个生成干净链接列表的正则表达式。

我需要的链接以 http:// 开头(不带 www)，以 .html 结尾

表达式会是什么样子？

Answer 1

对于以 .html 页面结尾的全局网站来说，看起来像这样:

(http|https)\://[a-zA-Z0-9\-\.]+\.[a-zA-Z]{2,}.+[a-zA-Z0-9\-\.].html

并完全匹配您指定的内容:

http\://[a-zA-Z0-9\-]+\.+[a-z]{2,}\/[a-zA-Z0-9\-]+.html

只需在新文件中按 Ctrl+X 和 Ctrl+V 即可。

适用于 JavaScript 和 Notepad++ 等。

\b 用于仅搜索整个单词的单词边界，因此如果文本中只有这个单词，如下所示: ewkgml http://test.com/a.html lamklwmwtmk 它会找到它，而 \B 是它的否定，因此 wegniwgnwkjnhttp://test.com/a.htmllmwtlkmt34lt 也可以工作。 | 是 or 语句。