regex - 这个正则表达式匹配并且不应该。为什么？

Question

这个正则表达式:

^((https?|ftp)\:(\/\/)|(file\:\/{2,3}))?(((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))|(((([a-zA-Z0-9]+)(\.)?)+?)(\.)([a-z]{2}|com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum))([a-zA-Z0-9\?\=\&\%\/]*)?$

为便于阅读而格式化:

^( # Begin regex / begin address clause
  (https?|ftp)\:(\/\/)|(file\:\/{2,3}))? # protocol
  ( # container for two address formats, more to come later
   ((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}
   (25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?) # match IP addresses
  )|( # delimiter for address formats
   ((([a-zA-Z0-9]+)(\.)?)+?) # match domains and any number of subdomains
   (\.) #dot for .com
   ([a-z]{2}|com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum) #TLD clause
  ) # end address clause
([a-zA-Z0-9\?\=\&\%\/]*)? # querystring support, will pretty this up later
$

匹配:

www.google

不应该。这是我的“失败”测试用例之一。我已经声明在 alpha 而不是 IP 上匹配时，URL 的 TLD 部分是强制性的，并且“google”不适合“[a-z]{2}”子句。

请记住，我将分别解决以下问题 - 这个问题是关于为什么它与 www.google 匹配而不应该匹配。

查询字符串只需要支持正确的格式，目前接受查询字符串字符的任意组合

一些协议(protocol)不受支持，尽管我的要求范围可能不包括它们

不包含 3 个字符的不常见 TLD

可能匹配 http://www.google..com - 将检查连续的点

不支持十进制 IP 地址格式

我的正则表达式有什么问题？

编辑:另请参阅此正则表达式的早期版本在不同测试用例上的先前问题:
How can I make this regex match correctly?

编辑2:固定 - 更正的正则表达式(如要求)是:

^((https?|ftp)\:(\/\/)|(file\:\/{2,3}))?(((25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?))|(((([a-zA-Z0-9]+)(\.)?)+?)(\.)([a-z]{2}|com|org|net|gov|mil|biz|info|mobi|name|aero|jobs|museum))([\/][\/a-zA-Z0-9\.]*)*?([\/]?[\?][a-zA-Z0-9\=\&\%\/]*)?$

Answer 1

“google”可能不适合 [a-z]{2} , 但它确实适合 [a-z]{2}([a-zA-Z0-9\?\=\&\%\/]*)? - 你忘了要求 /如果 URL 超出域，则在 TLD 之后。因此，它将“www.go”解释为域，然后将其解释为“ogle”，中间没有斜线。您可以通过添加 [?/] 来修复它到最后一组的前面，以要求 TLD 和 URL 的任何其他部分之间的这两个符号之一。