🚀 go-pugleaf

Philip Paeps wrote:

> Hoi -
> 
> Ik ben momenteel in twee stukjes software gelijk ondersteuning voor URIs
> aan't
> opruimen.  Ik ben nu op zoek naar een relatief eenvoudige regex die de
> meest gangbare URIs zou kunnen matchen.
> 
> Orgineel dacht ik aan iets als:
> 
>    "((((ht|f)tps?)|mailto|news):(//)?[^\\ >\"\\t]*|www\\.[-a-z0-9.]+)[^\\
>    ,;\\t>\">]*"

m/((ht|f)tps?)|mailto|news):/{2}(\w+\.){1,}\w{2,4}/

In stukken:
m/
        ((ht|f)tps?)    # http|https|ftp|ftps
        |mailto|news    # spreekt voor zich
        :               # de colon
        /{2}            # de //
        (\w+\.){1,}             # minstens 1 keer een woord, gevolgd door punt. of (\w+\.)+
        \w{2,4}$                # eindigend met de suffix be, com, aero, bizz, enz..
/x

Bovenstaande is niet getest. (ben net bezig aan chapter 5 van de Camel ;-)

> Maar die matcht wat te veel naar mijn zin, en is niet zo goed in het
> uitpluizen van numeric URIs.  Dan dacht ik even aan (watch your eyes):
> 
>   
"\\b(?:https?|ftp|mailto|news)://(?:[^:@/]*(?::[^:@/]*)?@)?(?:(?:[^\\W_](?:(?:-(?!-)|[^\\W_]){0,61}[^\\W_])?\\.)+[a-z]{2,6}\\.?|localhost|(?:(?:2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\\.){3}(?:2[0-4]\\d|25[0-5]|[01]?\\d\\d?)|\\[(?:(?:[0-9A-F]{0,4}:){1,7}[0-9A-F]{1,4}|(?:[0-9A-F]{0,4}:){1,3}(?:(?:2[0-4]\\d|25[0-5]|[01]?\\d\\d?)\\.){3}(?:2[0-4]\\d|25[0-5]|[01]?\\d\\d?))\\])(?::\\d+)?(?:/[^)\\>\"\\s]*|$|(?=[)\\>\"\\s]))"

Yeikes, was da?

Ik veronderstel dat je dit tracht te klaren met Perl?
Gooi het desnoods in een block van conditionals, zodat je het wat kan 
splitsen.

> Die laatste wordt ook geacht numerieke IPv6 URIs te vangen, maar ik vrees
> dat die wat gevaarlijk is voor de mentale gezondheid van iemand die het
> ding na mij nog wil lezen :-)

Ik doe de moeite niet eens. ;-)

> Mijn vraag dus: heeft er iemand een _goeie_ regex die ook wat simpel is,
> en genoeg matcht maar niet te veel?
> 
>  - Philip [ik vraag niet veel h� :-)]
> 

-- 
Blood, sweat & tears