为何PHP中可用的正则表达式转译到.NET后出现编码问题？

嘿，太懂这种感受了！我自己也算不上正则表达式的狂热信徒，但不得不承认这工具是真的好用——就是那种超长的复杂正则，看一眼脑子直接打结，完全摸不着北。

你提到的这个在PHP应用里用的URL匹配正则，我来帮你拆解一下，搞清楚它到底在干嘛：

先把你给出的正则码出来（看起来你没写完，但核心逻辑已经很清晰了）：

/^(https?|ftp)\:\/\/([a-z0-9+\!\*\(\)\,\;\?\&\=\$\_\.\-]+(\:[a-z0-9+\!\*\(\)\,\;\?\&\=\$\_\.\-]+)?@)?[a-z0-9\+\$\_\-]+(\.[a-z0-9+\$\_\-]+)*(\:[0-9]{2,5})?(\/([a-z0-9+\$\_\-]\.?)+)*\/?(\?[a-z\+\&\$\_\.\-][a-z0-9\;\:\@\/\&\%\=\+...

咱们把它拆成几个核心模块来看，就不会那么晕了：

• 协议匹配模块：^(https?|ftp)\:\/\/

  • ^ 锚定字符串的起始位置，确保从开头就匹配
  • (https?|ftp) 精准匹配http、https或者ftp协议，s?表示s是可选的，所以http和https都能覆盖
  • \:\/\/ 匹配URL里的://，这里的转义符是因为/是正则的分隔符，:属于特殊字符，必须转义才能匹配字面量

• 可选的用户名密码模块：([a-z0-9+\!\*\(\)\,\;\?\&\=\$\_\.\-]+(\:[a-z0-9+\!\*\(\)\,\;\?\&\=\$\_\.\-]+)?@)?

  • 整个模块末尾的?表示这部分是可选的——也就是说URL带不带用户名密码都能匹配
  • 第一部分[a-z0-9+\!\*\(\)\,\;\?\&\=\$\_\.\-]+ 匹配用户名，允许小写字母、数字，以及一堆特殊符号
  • (\:[a-z0-9+\!\*\(\)\,\;\?\&\=\$\_\.\-]+)? 是可选的密码段，以:开头，后面跟和用户名规则一致的字符
  • 最后的@是用户名密码的结束标记，后面接域名部分

• 域名匹配模块：[a-z0-9\+\$\_\-]+(\.[a-z0-9+\$\_\-]+)*

  • 先匹配主域名（比如example），然后(\.[a-z0-9+\$\_\-]+)* 用来匹配多级域名或者顶级域名（比如.com、.co.uk这种），*表示可以匹配0次或多次

• 可选的端口模块：(\:[0-9]{2,5})?

  • 匹配URL里的端口号，格式是:后面跟2-5位数字（比如:8080、:443），?表示端口是可选的

• 路径匹配模块：(\/([a-z0-9+\$\_\-]\.?)+)*\/?

  • 匹配URL里的路径部分，比如/blog/post/123，允许路径里包含字母、数字、特殊符号和点；最后的\/?表示路径末尾可以有一个可选的/

• 未完成的查询参数模块：(\?[a-z\+\&\$\_\.\-][a-z0-9\;\:\@\/\&\%\=\+...

  • 这部分你没写完，但看得出来是用来匹配?开头的查询参数（比如?id=1&sort=desc），规则是匹配?后接合法的参数字符

说实在的，这个正则写得有点“复古”——它把所有允许的特殊字符都手动列出来了，其实现在可以用更简洁的字符类写法，但因为是在你无法控制的PHP应用里，咱们先搞懂它的逻辑就行。

如果要调试或者修改这个正则，建议用正则测试工具，把测试URL放进去一步步看匹配结果，比死啃正则文本直观多了。

内容的提问来源于stack exchange，提问作者CarComp