如何修改URL正则正确匹配三类URL且仅在.[domain]后触发匹配

问题背景 #

初始给出的正则存在两个核心问题：

1. 无法覆盖无协议、无www前缀的裸域名（如google.com）
2. 匹配逻辑不严谨，会错误匹配google.c这类后缀不完整的域名，还会从www.g这类半截字符串位置提前触发匹配

待支持的合法URL共三类：

• www.google.com
• https://www.google.com
• google.com

最终可用正则 #

\b(?:https?:\/\/)?(?:www\.)?[-a-zA-Z0-9@:%._+~#=]{1,256}\.[a-zA-Z0-9()]{2,6}\b(?:[-a-zA-Z0-9()@:%_+.~#?&//=]*)

关键修改说明 #

• 前缀逻辑重构：将原来互斥的前缀分组改为两个独立的可选非捕获组(?:https?:\/\/)?和(?:www\.)?，两个前缀可以独立选择出现0次或1次，自然覆盖「带http/https+www」「仅带www」「无前缀裸域」三种场景，使用非捕获组不会产生多余的匹配捕获项，不影响取值逻辑。
• 顶级域匹配规则修正：将顶级域名部分的匹配长度从原来的{1,6}调整为{2,6}，目前公开生效的顶级域名最短长度为2位（如.cn/.com/.io），直接过滤掉.c这类单字符的不完整后缀匹配。
• 增加起始匹配边界：在正则最开头增加单词边界符\b，确保匹配仅从域名/协议的单词起始位置启动，避免从域名中间的半截字符位置开始匹配，解决提前触发匹配的问题。
• 匹配触发逻辑符合要求：正则结构强制要求必须存在.+2位以上顶级域的片段才能完成完整匹配，不会出现未匹配到域名后缀就返回结果的情况。

匹配效果验证 #

• 合法用例：www.google.com、https://www.google.com、google.com均可完整匹配
• 异常用例：google.c（后缀长度不足）、www.g（无合法域名后缀）均不会被错误匹配

内容的提问来源于stack exchange，提问作者donoboro