在JavaScript中如何从字符串中隔离提取出纯URL地址

你现有正则已经可以完成URL特征匹配，只需将test()校验方法替换为字符串的match()方法即可提取匹配结果，如需匹配文本中所有URL，给正则添加g全局修饰符即可。

基础实现（提取全文所有URL） #

const msgContent = Msg.content
// 正则添加g修饰符开启全局匹配
const urlRegex = /([a-zA-Z0-9]+:\/\/)?([a-zA-Z0-9_]+:[a-zA-Z0-9_]+@)?([a-zA-Z0-9.-]+\.[A-Za-z]{2,4})(:[0-9]+)?(\/.*)?/g
// 匹配结果为URL数组，无匹配时返回null
const urlList = msgContent.match(urlRegex)

if (urlList) {
  // 遍历处理提取到的所有URL
  urlList.forEach(url => {
    console.log(url)
  })
}

适配标签场景的实现 #

如果你的输入文本和示例一致，URL都包裹在<a>标签内部，可先提取a标签文本再做URL校验，避免重复匹配到href属性内的相同URL：

const msgContent = Msg.content
const aTagRegex = /<a[^>]*>([^<]*)<\/a>/g
const urlList = []
let matchResult

// 遍历匹配所有a标签
while ((matchResult = aTagRegex.exec(msgContent)) !== null) {
  const aText = matchResult[1]
  // 校验a标签文本是否为URL
  if (/([a-zA-Z0-9]+:\/\/)?([a-zA-Z0-9_]+:[a-zA-Z0-9_]+@)?([a-zA-Z0-9.-]+\.[A-Za-z]{2,4})(:[0-9]+)?(\/.*)?/.test(aText)) {
    urlList.push(aText)
  }
}

console.log(urlList)

优化建议 #

如果你的场景中URL固定为http/https协议，可将正则开头的([a-zA-Z0-9]+:\/\/)?替换为(https?:\/\/)，可大幅降低非URL内容被误匹配的概率。

内容的提问来源于stack exchange，提问作者Jackson F