如何修改正则表达式以匹配字符串中的所有URL（含bing.com）

我想用以下代码提取字符串中的所有URL，但目前只能匹配到http://www.google.com、https://www.twitter.com和www.msn.com这三个URL，无法匹配bing.com。请问该如何修改正则表达式？

function openURLs() {
    let links = "http://www.google.com  Hello https://www.twitter.com The  www.msn.com  World bing.com";

    if (links) {
        var expression = /(https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|www\.[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9]+\.[^\s]{2,}|www\.[a-zA-Z0-9]+\.[^\s]{2,})/gi;

        var url_array = links.match(expression);

        if (url_array != null) {
            url_array.forEach((url) => {
                urlOK = url.match(/^https?:/) ? url : '//' + url;
                window.open(urlOK)
            });
        }
    }
}

原正则的问题在于未覆盖不带www.前缀的裸域名（如bing.com），仅匹配了带协议、带www.的URL。只需在正则中新增一个分支，专门匹配这类裸域名即可。

修改后的正则表达式 #

var expression = /(https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|www\.[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9]+\.[^\s]{2,}|www\.[a-zA-Z0-9]+\.[^\s]{2,}|[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,})/gi;

关键修改点 #

新增分支：[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}

• 该分支匹配无协议、无www前缀的合法域名：要求域名主体以字母数字开头/结尾，中间可含连字符，后缀长度至少2位（如.com/.org），且域名后无空白字符。

完整修改后的代码 #

function openURLs() {
    let links = "http://www.google.com  Hello https://www.twitter.com The  www.msn.com  World bing.com";

    if (links) {
        // 添加裸域名匹配分支
        var expression = /(https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|www\.[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,}|https?:\/\/(?:www\.|(?!www))[a-zA-Z0-9]+\.[^\s]{2,}|www\.[a-zA-Z0-9]+\.[^\s]{2,}|[a-zA-Z0-9][a-zA-Z0-9-]+[a-zA-Z0-9]\.[^\s]{2,})/gi;

        var url_array = links.match(expression);

        if (url_array != null) {
            url_array.forEach((url) => {
                urlOK = url.match(/^https?:/) ? url : '//' + url;
                window.open(urlOK)
            });
        }
    }
}

可选优化 #

若需要匹配x.com这类单字符主体的极简域名，可将新增分支改为：[a-zA-Z0-9]+\.[^\s]{2,}。

内容的提问来源于stack exchange，提问作者HelloCW