regexp

Готовых нет и не может быть. Берешь bash\python и пишешь.

Простейшая регулярочка. Готовых решений нет.

любой сайт в тексте имеет // вначале, и / в конце.

\/\/(www\.)?\w+?\.\w+?\/как то так. А потом пристыковываешь http(s): и прогоняешь по базе.

\/\/(www\.)?[a-zA-Zа-яА-ЯЁ-]+?\.\[a-zA-Zа-яА-ЯЁ-]+?\/

Вот так точней, там тире может быть. Но это только для доменов 2-го уровня.

а, ну и цифры

\/\/(www\.)?[0-9a-zA-Zа-яА-ЯЁ-]+?\.\[0-9a-zA-Zа-яА-ЯЁ-]+?\/

\/\/(www\.)?[0-9a-zA-Zа-яёА-ЯЁ-]+?\.[0-9a-zA-Zа-яёА-ЯЁ-]+?\/

//fixed

для доменов ниже второго вот эта вроде работать должна \/\/(www\.)?([0-9a-zA-Zа-яёА-ЯЁ-]+?\.)+?[0-9a-zA-Zа-яёА-ЯЁ-]+?\/

А теперь добавь для случая когда в начале нет // (или там есть протокол) и/или в конце нет /, вместо этого в конце может быть что-то без указания расширения «файла», а так же с указанием, кроме того там может быть якорь (#). И не забудь про урлкодирование и пуникод.

Ну а мы посидим посмотрим на твою простейшую регулярку.

когда в начале нет // и/или в конце нет /,
любой сайт в тексте имеет // вначале, и / в конце.

LOL

LOL^2

<a target="_blank" href="vk.com">vk.com</a>

стартовый тогпик читай, умник. Я что на универсальность какую-то чт-ли замахивался? Если бы да кабы.

Можно, все возможные адреса выпарсить регулярками, хотя бы в несколько проходов, но это уже другая история, за бабало, а это фо фан, я не проверял даже, так что успокойся.

href=«vk.com»

Кстати, такого адреса быть не может. Относительные пути работают только внутри домена.

Я что на универсальность какую-то чт-ли замахивался?

А человек, что, просил недопиленный глючный вариант? http://s5.pikabu.ru/post_img/2014/06/19/5/1403154705_1339773392.jpg

Да мне вообще насрать, я с ним договор не заключал, и гарантий не давал. Но для его случая это должно работать, я тебе 3-й раз повторяю, ты че тормоз чтоли?

[0-9a-zA-Zа-яА-ЯЁ-]

Это [\w\-]

Нет, туда тире не входит, и во многих реализациях национальные символы

href=«vk.com»

Будет искаться ссылка ./vk.com в текущем пути

Плюс, туда входит нижний пробел, я не помню, кстати, он может быть в названиях доменов? Я че то не припомню.

Ну да, а речь то шла о доменных именах.

Нет, туда тире не входит

Так я его и добавил.

и во многих реализациях национальные символы

Юникод тоже считается в \w. Ну, по крайней мере в языках, которые юникод поддерживают:

$ php -r 'echo preg_replace("/[\w\-]/u", ".", "asd456- +фыв"
....... +...

И даже не так немного, кстати. Эта строка придет на сервер, с подставленным путем, а сервак уже диспатчит это как хочет, можно сделать так что он действительно перенаправит по назначению. Это разные вещи совершенно. В одном случае запрос пойдет сразу по указанному адресу, а в другом — на тот же домен.

Плюс, туда входит нижний пробел, я не помню, кстати, он может быть в названиях доменов?

Пробел не бывает верхним или нижним :) Подчеркивание не входит в состав доменных имён по RFC, и поэтому не поддерживается корневыми серверами. Но в доменах N-го уровня иногда встречается: http://test_1.home.balancer.ru/

В JS например не входят, хотя юникод поддерживается.

Эта строка придет на сервер, с подставленным путем, а сервак уже диспатчит это как хочет

Я говорю, как будет формировать запрос браузер, а не то, что потом будет делать с этим запросом сервер, _не являющийся_ vk.com :)

В JS например не входят, хотя юникод поддерживается.

Значит, криво поддерживается. Т.е. стандарты для упрощения могут быть какие угодно, но суть: «\w will match the «word» characters».

ты пишешь

Будет искаться ссылка ./vk.com в текущем пути

кем искаться? браузер ничего не ищет, он отправит строку на текущий домен, и все. А серверу срать на текущий путь вообще, он может при желании вообще сбросить, или перенаправить куда нибудь, хоть на тот же вконтактик.

Значит, криво поддерживается

Что значит криво? Полная поддержка, ЕМНИП. Просто движок так написан. Движок регекспов — это отдельный механизм.

кем искаться? браузер ничего не ищет

Какие вы зануды. Ок, точнее будет звучать не «искаться», а «запрашиваться». Сути это не изменит.

он отправит строку на текущий домен, и все

Угу. Вот только доменом этим будет не vk.com (что хотел показать автор примера).

в языках, которые юникод поддерживают
php

лол

Что значит криво? Просто движок так написан.

Вот движок криво и написан. У него «word» не подразумевает юникодные слова, только латиницу (возможно — однобайтовые кодировки, лениво проверять).

лол

Троллинг был слишком тонким? Ок, другой раз потолще попробую :)

что хотел показать автор примера

автор примера горячо желал показать что регекспы не нужны, и просто лоханулся. Эта строка в любом случае не должна входить в список адресов, которые хотел ТС, ему нужны адреса доменов, а не текущих относительных адресов

Вот движок криво и написан.

Слушай, ты какой-то странный. Если бы движок не поддердивал юникод, он бы и не парсил его. Это просто специфика. И, кстати, это удобней даже, например, под \w попадают разрешенные символы в синтаксисе литералов большинства ЯП, не надо ничего отсекать. Просто надо иметь в виду эту специфику, она есть в любом диалекте, и поддержка юникода тут не при чем.

И, кстати, это удобней даже, например, под \w попадают разрешенные символы в синтаксисе литералов большинства ЯП

Тогда это был бы не \w, а какой-нибудь \l. Чистая семантика. Впрочем, сегодня большинство языков поддерживают юникод и в литералах. Что, опять же, в рамках естественной семантики.

Просто надо иметь в виду эту специфику, она есть в любом диалекте

У нормальных людей семантика важнее левых волюнтаристских ограничений.

сайтьі отлично парсятся с помощью python + liburl2 + beautifulsoup. Использовать в данном случае regexps — моветон.

Что, звездочки зарабатываешь ?

:) однако, дисскуссия...по делу, regexp ни одна не подошла. я конечно, подправлю сегодня, если ни у кого мыслей не будет.

Вот пример:

url="http://soup.mmsn.ru/sp/upload.php"

Т.е. www не обязательно есть.

Нафиг эти регэкспы. Сначала удаляешь http:// или https:// Потом удаляешь все что справа от домена. (начиная с «/» и правее).

Давай линк на файлик я тебе на кложе напишу скрипт.

Для преобразования доменов в ip-адреса можно использовать команду dig. В арчлинуксе она находится в пакете bind-utils.

dig +short mmsn.ru
77.73.138.32

www не обязательно есть.

каво?

re = /\/\/(www\.)?([0-9a-zA-Zа-яёА-ЯЁ-]+?\.)+?[0-9a-zA-Zа-яёА-ЯЁ-]+?\//g

"iiwiwiieiie iriir http://soup.mmsn.ru/sp/upload.php kdjjj\njfjhttp://www.soup.mmsn.ru/sp/upload.phpldlld[[[3=3949ieujdjjdjjd http://soup.mmsn.ru/sp/upload.phplllslldldllflfll"
.match(re)

//  //soup.mmsn.ru/,//www.soup.mmsn.ru/,//soup.mmsn.ru/

инфонезия

смотри ссылку: Социальная сеть на основе блокчейна

идея: предлагается учёт репутации, кармы, никнеймов в блокчейне.

минус рядом с квадратной скобкой экранировать необязательно.

минус рядом с квадратной скобкой экранировать необязательно

Лучше его всегда экранировать. Ибо завтра кто-то допишет символ и всё обвалится. Или поменяется что-то в правилах. Сегодня так на сайте ошибка вылезла :)