如何修复BASH_REMATCH无法正确捕获带/字符的host/url问题

问题原因 #

你当前使用的捕获host/url的正则表达式字符集[a-zA-Z0-9.-]+仅包含字母、数字、英文句点、短横线三类字符，没有包含URL中常见的/字符，因此正则匹配到/时就会中断，导致仅能捕获到/之后的内容。

修复方案 #

调整host/url的捕获正则即可，推荐使用适配性更强的通用匹配写法：
由于你的文件格式固定为# [目标内容] (host/url ok)，可以直接匹配#后到下一个空格之间的所有非空格字符，无需穷举合法字符，不管后续URL出现其他合法特殊字符也能正常捕获。

完整修改后代码 #

while read -r line
  do
    if [[ $line =~ ^#\ ([^ ]+)\ \((host|url)\ ok\) ||
      $line =~ ([0-9]+(\.[0-9]+){3})\ \(IP\ ok\) ]]; then
      host="${BASH_REMATCH[1]}"
    elif [[ $host != "" ]]; then
      if [[ $line =~ ^([0-9]+(\.[0-9]+){3}) ]]; then
        ip="${BASH_REMATCH[1]}"
        check_site $host $ip
      fi
    fi
  done < <(echo -e "$chunk") &

修改后可完整匹配到mysite.ch/home.html这类带路径的URL内容。

内容的提问来源于stack exchange，提问作者Marco Ferrara