Извлечение URL-адресов и IP-адресов

В произвольном тексте (журналы, статьи, дампы) часто требуется извлечь URL-адреса. и IP-адреса. Давайте посмотрим на надежные шаблоны для обоих.

URL-адреса http/https

Pattern: https?:\/\/[\w.-]+(?:\:\d+)?(?:\/[^\s]*)?

• https?:\/\/ -- схема с необязательным s.
• [\w.-]+ -- хост (домен, поддомены, возможно localhost).
• (?:\:\d+)? -- дополнительный порт.
• (?:\/[^\s]*)? -- необязательный путь до первого пробела.

Захватывает https://example.com, http://localhost:3000/api/users, https://docs.dev/path?query=value.

IPv4

IPv4 представляет собой 4 десятичных октета, разделенных точками:

Pattern: \b(?:\d{1,3}\.){3}\d{1,3}\b

"Достаточно хорошая" версия: она также принимает недопустимые значения, например 999.999.999.999. Для строгой версии вам потребуется чередование диапазонов. (25[0-5]|2[0-4]\d|[01]?\d\d?), что намного длиннее.

Pattern (strict): \b(?:(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d\d?)\b

Точность против краткости

Сопоставление URL-адресов или IP-адресов требует соблюдения допусков по шаблону. Строгий валидатор IP проверяет, чтобы ни один октет не превышал 255. С другой стороны, практичный экстрактор обычно ищет упрощенные шаблоны и делегирует точную проверку выделенному коду.

Попробуйте это

Обзор упражнения

Дополнительная задача